摘要：
Sequential 相当于一个容器，里面封装了一个神经网络结构 model=tf.keras.model.Sequential([网络结构]) 常用网络结构 拉直层：tf.keras.layers.Flatten() 将输入变为一维数组 全连接层：tf.keras.layers.Dense(神经元 阅读全文
摘要：
。 阅读全文
摘要：
欠拟合解决方法：增加输入特征项，增加网络参数，减少正则化参数 过拟合解决方法：数据清洗，增大训练集，采用正则化，增大正则化参数 阅读全文
摘要：
预测值与实际值的差距。 常用损失函数：均方误差，交叉熵，自定义 阅读全文
摘要：
使输出不再是x的线性关系，增强神经网络的表达力。 优秀的激活函数：非线性，可微性，单调性，近似恒等性。 输出范围：有限值，基于梯度，无限值，调小学习率。 sigmoid函数：求导后为0-0.25。易造成梯度消失，输出非0均值收敛慢，幂运算复杂训练时间长。 Tanh函数：易造成梯度消失，幂运算复杂训练 阅读全文