摘要： (1)线性回归通过权重与特征的乘积相加，即y = w1*x1+w2x2+....wn*xn + bias ①准备好已知的特征值x和目标值y （如y = x * 0.7 + 0.8，训练的目的是为了找到权重0.7和bias0.8） ②建立模型，随机初始化准备权重w和偏置b，得到预测值y_predict 阅读全文

摘要： 1、变量的创建 变量也是一种op，是一种特殊的张量，能够进行存储持久化（用于保存参数，系数等），它的值就是张量，默认被训练 tf.Variable(initial_ value=None,name=None, trainable=True) （name表示在可视化中显示的名字） 创建一个带值init 阅读全文

摘要： （1）张量的阶和数据类型 数组：numpy：ndarray类型，有0维，1维，2维等 矩阵：2维 张量：一个类型化（tensor类型）的N维数组 ①基本数据类型 由三部分组成：名字（即op的类型，后面的0没有什么意义），张量的形状，类型 Tensor("Placeholder:0", shape=( 阅读全文

摘要： ①tf.Session() 运行TensorFlow操作图的类，使用默认注册的图（可以指定运行图） 1 import os 2 os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' #去掉警告，将警告级别提升 3 4 # 创建一张图 5 g = tf.Graph() 6 阅读全文

摘要： #图默认已经注册，一组表示tf.Opeation计算单位的对象和tf.Tensor表示操作之间流动的数据集单元的对象，默认的图相当于给程序分配内存 import tensorflow as tf import os os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' # 阅读全文

摘要： import tensorflow as tf import os os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' #去掉警告，将警告级别提升 a = tf.constant(2) #定义一个常量 b = tf.constant(4) sum = tf.add(a, 阅读全文

摘要： 举三个例子，就能清楚的看到 np.nonzero() 这个函数返回值的意义 一、 #例1 一维数组 import numpy as np a = [0,1,2,0,3,0] b = np.nonzero(a) print(b) 输出： (array([1, 2, 4], dtype=int64),) 阅读全文

摘要： 基本概念 数据库（database, DB）: 存储数据的仓库。以一定方式储存在一起、能与多个用户共享、具有尽可能小的冗余度、与应用程序彼此独立的数据集合，可视为电子化的文件柜——存储电子文件的处所，用户可以对文件中的数据进行新增、查询、更新、删除等操作。 阅读全文