摘要:
#coding:utf-8 #0导入模块,生成模拟数据集。 #tensorflow学习笔记(北京大学) tf3_6.py 完全解析神经网络搭建学习 import tensorflow as tf import numpy as np BATCH_SIZE = 8 SEED = 23455 rdm = 阅读全文
摘要:
神经网络的搭建课分四步完成:准备工作、前向传播、反向传播和循环迭代。 √0.导入模块,生成模拟数据集; import 常量定义 生成数据集 √1.前向传播:定义输入、参数和输出 x= y_= w1= w2= a= y= √2. 反向传播:定义损失函数、反向传播方法 loss= train_step= 阅读全文
摘要:
反向传播,个人理解就是反馈,来减少输入和输出直接的差值 阅读全文
摘要:
前向传播就是搭建模型的计算过程,让模型具有推理能力,可以针对一组输入给出相应的输出。我的理解:相当于自控中的前向通道,就是输入x和输出y中对应的计算过程; 如上图所示: 输入层:输入X为体积和重量,那么对应的数学可以认为X为1行2列的矩阵; 隐藏层:a;a为一个1行3列的矩阵;故对应的W1可以看出是 阅读全文
摘要:
张量: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; 举例 V 阅读全文