摘要：
MINIST的循环神经网络 LSTM 首先加载数据 然后构建模型 首先设置训练的超参数，分别设置学习率，训练次数和每轮训练的数据大小 定义输入数据及权重 定义模型 训练和评估模型 0 0.69140625 1 0.81640625 2 0.88671875 3 0.921875 4 0.910156 阅读全文
摘要：
1.评估模型 使用 SGD方法进行梯度下降，这种训练方式称为随机训练。SGD既能学习到数据集的总体特征，又能加速训练过程。 评估模型示例： 2.MINIST的卷积神经网络 构建的流程也是先加载数据，再构建网络模型，最后训练和评估模型。 部分实验结果： 0 0.94921875 1 0.984375 阅读全文
摘要：
第一个TensorFlow程序 TensorFlow的运行方式分为如下4步： （1）加载数据及定义超参数 （2）构建网络 （3）训练模型 （4）评估模型和进行预测 0.194179 0.00892639 0.00714868 0.00584467 0.00474677 0.00424151 0.00 阅读全文
摘要：
从文件中读取数据 在TensorFlow中进行模型训练时,在官网给出的三种读取方式,中最好的文件读取方式就是将利用队列进行文件读取,而且步骤有两步: 1. 把样本数据写入TFRecords二进制文件 2. 从队列中读取 TFRecords二进制文件,能够更好的利用内存,更方便的移动和复制,并且不需要 阅读全文
摘要：
卷积神经网络CNN 卷积神经网络的权值共享的网络结构显著降低了模型的复杂度，减少了权值的数量。 神经网络的基本组成包括输入层、隐藏层和输出层。 卷积神经网络的特点在于隐藏层分为卷积层和池化层。 padding 卷积核在提取特征映射时的动作称为padding，其中有两种方式： 不越过边缘取样称为Vai 阅读全文