我要学Java_blog

TensorFlow计算模型—计算图 1，概念 ①TensorFlow=Tensor + Flow Tensor 张量 Tensorflow中，所有的数据都通过张量的形式来表示 张量没有真正保存数字，二十保存的是计算过程 数据结构：多维数组 Flow 流 计算模型：张量之间通过计算而转换的过程 基础代码： Ⅰ import tensorflow as tf#导入ten...

TensorFlow运行模型—会话 Session会话拥有并管理TensorFlow程序运行时的所有资源，当所有计算完成之后需要关闭会话帮助系统回收资源。 会话模式1 sess=tf.Session()#创建会话 sess.run()#启动会话 sess.close()#关闭会话，释放资源 sess=tf.Session() try: sess.run() except:...

TensorBoard是TensorFlow的可视化工具 通过TensorFlow程序运行过程中输出的日志文件可视化TensorFlow程序的运行状态。 TensorBoard和TensorFlow程序在不同的进程中 案例： 代码 import tensorflow as tf#导入tensorflow模型 tf.reset_default_graph()#TensorBoa...

监督式机器学习 1.简单的线性回归案例 确定y=w*x+b这样的方程，其中w和b的值 2.术语：标签和特征 标签：是我们要预测的真实事物：y,线性回归中的y变量 特征：是指用于描述数据的输入变量：xi线性回归中的{x1,x2,x3,……,xn}变量 3.样本和模型 样本是指数据的特定实例：x 有标签样本具有{特征，标签}：{x，y}：用于训练模型 无标签样本具有{特征，？}：...

numpy中有一些常用的用来产生随机数的函数，randn()和rand()就属于这其中。 numpy.random.randn(d0, d1, …, dn)是从标准正态分布中返回一个或多个样本值。 numpy.random.rand(d0, d1, …, dn)的随机样本位于[0, 1)中。 代码： import numpy as np arr1 = np.random.randn(...

区别如下： tf.random_normal(shape,mean=0.0,stddev=1.0,dtype=tf.float32,seed=None,name=None) 正太分布随机数，均值mean,标准差stddev tf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)...