摘要：
1 #定义初始化和偏置 2 def weight_varibale(shape): 3 # 随机初始化权重和偏置，权重和偏置后面会跟着训练自动优化 4 #weight = tf.Variable(tf.compat.v1.random_normal([784, 10], mean=0.0, stdd 阅读全文
摘要：
前提已安装windows-git 1、本地创建一个项目 2、在目录下右击，打。开git窗口 第一步、初始化仓库 git init。初始化后，项目目录下出现隐藏目录.git，这个隐藏目录存储了所有的历史版本记录和配置信息 一、配置签名 第二步、配置签名，每次提代码都要知道是谁提的代码。回到git窗口， 阅读全文
摘要：
实现流程 1、准备数据 2、全连接结果计算 3、损失优化（梯度下降） 4、模型评估（计算准确性） 5、加入tensorboard图 6、使用训练后的模型进行预测 1 def full_connect(): 2 #使用占位符时，tersorflow2.X以上会出现tf.placeholder() is 阅读全文
摘要：
Rosenbaltt在1957年，于Cornell航空实验室所发明的一种人工神经网络。 ”神经网络“听上去名字特别高大上，以下从简单的数学原理来说明神经网络之感知机，通俗理解神经网络_知感机雏形。知感机也称神经网络的神经元。 感知机：有n个输入数据，通过权重与各数据之间的计算和，比较激活函数结果，得 阅读全文
摘要：
以上一篇简单的线性方程梯度下降代码为例 第1步：收集变量 #收集损失tensortf.compat.v1.summary.scalar(name='losses',tensor=loss)#收集高维度的变量参数tf.compat.v1.summary.histogram(name='weight', 阅读全文
摘要：
本案例演示梯度下降如何求线性方程的解。 求出w和b值，即找到了x与y的关系，即能通过x预测y值。 思路： 第1步：生成训练数据x,y_true。 训练数据x为一组按正态分布随机的数据 训练数据y，按y_true=0.7x+0.8 (假设实际w值=0.7,b=0.8） 第2步：定义预测的权重w,偏置b 阅读全文
摘要：
用于图片识别文字的pytesseract，建议安装5.0及以上版本，可解决pytesseract.pytesseract.TesseractError: (3221225477, '')这类的错误 建议下载5.0 或 3.05版本 ，链接如下 https://digi.bib.uni-mannhei 阅读全文
摘要：
如求函数的最小值。利用梯度下降的方法解题步骤如下： 1、求梯度 2、向梯度相反的方向移动，如下 ，其中， 为步长。如果步长足够小，则可以保证每一次迭代都在减小，但可能导致收敛太慢，如果步长太大，则不能保证每一次迭代都减少，也不能保证收敛。 3、循环迭代步骤2，直到的值变化到使得在两次迭代之间的差值足 阅读全文
摘要：
假设一个data中其某列值是显示工作单位属性的，为了方便算法计算，需要将这些属性转换成数值替换。 通过pd.series.unique(）确认工作单位属性的个数 利于pandas方法转换 使作anywhere即可返回到值的索引。 将需要str类型的所有列全部转换 实现批量替换 第二种，利于sciki 阅读全文
摘要：
查看https://github.com/login源码 查到form表单中隐藏的type="hidden，value值为token 超链接 https://www.cnblogs.com/wupeiqi/articles/6283017.html 阅读全文