摘要：
过拟合与欠拟合（Overfitting and underfitting） 官网示例：https://www.tensorflow.org/tutorials/keras/overfit_and_underfit主要步骤： 演示过拟合 - 创建基准模型 - 创建一个更小的模型 - 创建一个更大的模型 阅读全文
摘要：
基本回归 回归（Regression）：https://www.tensorflow.org/tutorials/keras/basic_regression 主要步骤：数据部分 获取数据（Get the data） 清洗数据（Clean the data） 划分训练集和测试集（Split the 阅读全文
摘要：
影评文本分类 官网示例：https://www.tensorflow.org/tutorials/keras/basic_text_classification主要步骤： 1.加载IMDB数据集 2.探索数据：了解数据格式、将整数转换为字词 3.准备数据 4.构建模型：隐藏单元、损失函数和优化器 5 阅读全文
摘要：
基本分类 官网示例：https://www.tensorflow.org/tutorials/keras/basic_classification主要步骤： 加载Fashion MNIST数据集 探索数据：了解数据集格式 预处理数据 构建模型：设置层、编译模型 训练模型 评估准确率 做出预测：可视化 阅读全文
摘要：
原文链接：https://yq.aliyun.com/topic/111 本文是对原文内容中部分概念的摘取记录，可能有轻微改动，但不影响原文表达。 08 - BP算法双向传，链式求导最缠绵 反向传播(Back Propagation，简称BP) 算法 在神经网络（甚至深度学习）参数训练中，BP算法占 阅读全文
摘要：
原文链接：https://yq.aliyun.com/topic/111 本文是对原文内容中部分概念的摘取记录，可能有轻微改动，但不影响原文表达。 01 - 一入侯门“深”似海，深度学习深几许 什么是“学习”？ “如果一个系统，能够通过执行某个过程，就此改进了它的性能，那么这个过程就是学习”。 学习 阅读全文
摘要：
过拟合 过拟合（overfitting，过度学习，过度拟合）： 过度准确地拟合了历史数据（精确的区分了所有的训练数据），而对新数据适应性较差，预测时会有很大误差。 过拟合是机器学习中常见的问题，解决方法主要有下面几种： 1. 增加数据量 大部分过拟合产生的原因是因为数据量太少。 2. 运用正则化 例 阅读全文
摘要：
分类与回归 分类（Classification）与回归（Regression）的区别在于输出变量的类型。通俗理解，定量输出称为回归，或者说是连续变量预测；定性输出称为分类，或者说是离散变量预测。回归问题的预测结果是连续的，通常是用来预测一个值，如预测房价、未来的天气情况等等。一个比较常见的回归算法是 阅读全文
摘要：
TensorBoard TensorFlow自带的可视化工具，能够以直观的流程图的方式，清楚展示出整个神经网络的结构和框架，便于理解模型和发现问题。 可视化学习：https://www.tensorflow.org/guide/summaries_and_tensorboard 图的直观展示：htt 阅读全文
摘要：
张量（Tensor） 在Tensorflow中，变量统一称作张量（Tensor）。 张量（Tensor）是任意维度的数组。 0阶张量：纯量或标量 (scalar)， 也就是一个数值，例如，\'Howdy\' 或 5 1阶张量：向量 (vector)或矢量，也就是一维数组（一组有序排列的数），例如，[ 阅读全文