摘要：
阅读全文
摘要：
一、反向传播 反向传播：训练模型参数，在所有参数上用梯度下降，使 NN 模型在训练数据上的损失函数最小。 损失函数（loss）：计算得到的预测值 y 与已知答案 y_的差距。 损失函数的计算有很多方法，均方误差 MSE 是比较常用的方法之一。 均方误差 MSE：求前向传播计算结果与已知答案之差的平方 阅读全文
摘要：
一、神经网络的参数 神经网络的参数：是指神经元线上的权重 w，用变量表示，一般会先随机生成 这些参数。生成参数的方法是让w等于tf.Variable，把生成的方式写在括号里。 神经网络中常用的生成随机数/数组的函数有： tf.random_normal() 生成正态分布随机数 tf.truncate 阅读全文
摘要：
一、基本概念 基于 Tensorflow 的 NN：用张量表示数据，用计算图搭建神经网络，用会话执行计算图，优化线上的权重（参数），得到模型。 张量：张量就是多维数组（列表），用“阶”表示张量的维度。 0 阶张量称作标量，表示一个单独的数； 举例 S=123 1 阶张量称作向量，表示一个一维数组； 阅读全文