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