07 2017 档案
摘要:张量(tensor) 张量 是图中计算节点的运算结果的引用,由name,shape,type三个属性构成。 张量的命名 可以以“name:src_output”的形式给出,node为计算节点名称,src_output表示当前张量来自节点的第几个输出 张良的优点 1. 提高代码可读性 2. 方便获取中
阅读全文
摘要:程序(有些不甚明白的地方改日修订): 运行结果:
阅读全文
摘要:将这里的代码在项目中执行下载并安装数据集。 执行下面代码,训练、并评估模型: 运行结果:(由于是随机训练每次结果可能一样)
阅读全文
摘要:feed就是喂入数据 使用feed前必须要有占位符作为操作的对象,在运行操作的时候喂入数据。 运行结果:
阅读全文
摘要:下面的例子演示了如何使用变量实现一个 简单的计数器(counter) 1 # _*_coding:utf-8_*_ 2 import tensorflow as tf 3 import numpy as np 4 5 # 建立变量state,通常会将一个统计模型中的参数表示为一组变量. 6 # 例如
阅读全文
摘要:目的是在交互式环境下(如jupyter),手动设定当前会话为默认会话,从而省去每次都要显示地说明sess的繁琐,如:Tensor.ecal(session=sess)或sess.Operation.run() 只需要写成Tensor.ecal()或Operation.run() >>> import
阅读全文
摘要:过程: 先用numpy建立100个数据点,再用梯度下滑工具来拟合,得到完美的回归线。 过程: 先用numpy建立100个数据点,再用梯度下滑工具来拟合,得到完美的回归线。 运行结果: 符合:y=x*0.1+0.3
阅读全文
摘要:主要依赖包 protocal buffer 处理结构化数据的工具:序列化(结构化数据->数据流) + 还原(数据流->结构化数据) protocol buffer与XML和JSON的区别: bazel 自动化构建工具 项目空间(workspace) bazel的一个基本概念。包含源代码+输出编译结果
阅读全文
摘要:No Free Lunch NFL定理表明没有一个学习算法可以在任何领域总是产生最准确的学习器。不管采用何种学习算法,至少存在一个目标函数,能够使得随机猜测算法是更好的算法。 霍夫丁不等式 霍夫丁不等式说明什么? PAC是什么?
阅读全文
摘要:问题引入 下面的三个超平面都起到分类的效果,哪个最好? 答案显然是第三个。为什么? 直觉上,如果现在我们有个测试点,非常靠近右下角的那个红叉叉,也就是说这个点的特征与那个红叉叉非常接近,这时候,我们希望我们的分类器能够将这个测试点划分为与红叉叉相同的类。 也就是说,我们希望,找到的超平面能够远离所有
阅读全文
摘要:按输出空间分 二元分类问题(binary classification最核心) 回归问题(最核心) 多元分类问题(multiclass classification) 结构学习问题(structured learning problem,巨大的多元分类问题,structure=hyperclass,
阅读全文