摘要：
TensorFlow简单线性回归 将针对波士顿房价数据集的房间数量（RM）采用简单线性回归，目标是预测在最后一列（MEDV）给出的房价。 波士顿房价数据集可从http://lib.stat.cmu.edu/datasets/boston处获取。 直接从 TensorFlow contrib 数据集加 阅读全文
摘要：
TensorFlow csv读取文件数据（代码实现） 大多数人了解 Pandas 及其在处理大数据文件方面的实用性。TensorFlow 提供了读取这种文件的方法。 前面章节中，介绍了如何在 TensorFlow 中读取文件，本文将重点介绍如何从 CSV 文件中读取数据并在训练之前对数据进行预处理。 阅读全文
摘要：
TensorFlow优化器及用法 函数在一阶导数为零的地方达到其最大值和最小值。梯度下降算法基于相同的原理，即调整系数（权重和偏置）使损失函数的梯度下降。 在回归中，使用梯度下降来优化损失函数并获得系数。本文将介绍如何使用 TensorFlow 的梯度下降优化器及其变体。 按照损失函数的负梯度成比例 阅读全文
摘要：
TensorFlow损失函数 正如前面所讨论的，在回归中定义了损失函数或目标函数，其目的是找到使损失最小化的系数。本文将介绍如何在 TensorFlow 中定义损失函数，并根据问题选择合适的损失函数。 声明一个损失函数需要将系数定义为变量，将数据集定义为占位符。可以有一个常学习率或变化的学习率和正则 阅读全文
摘要：
回归算法分类，常用回归算法解析 回归是数学建模、分类和预测中最古老但功能非常强大的工具之一。回归在工程、物理学、生物学、金融、社会科学等各个领域都有应用，是数据科学家常用的基本工具。回归通常是机器学习中使用的第一个算法。通过学习因变量和自变量之间的关系实现对数据的预测。例如，对房价估计时，需要确定房 阅读全文
摘要：
TensorFlow常用Python扩展包 TensorFlow 能够实现大部分神经网络的功能。但是，这还是不够的。对于预处理任务、序列化甚至绘图任务，还需要更多的 Python 包。 下面列出了一些常用的 Python 包： Numpy：这是用 Python 进行科学计算的基础包。它支持n维数组和 阅读全文
摘要：
深度学习与TensorFlow DNN（深度神经网络算法）现在是AI社区的流行词。最近，DNN 在许多数据科学竞赛/Kaggle 竞赛中获得了多次冠军。 自从 1962 年 Rosenblat 提出感知机（Perceptron）以来，DNN 的概念就已经出现了，而自 Rumelhart、Hinton 阅读全文
摘要：
TensorFlow指定CPU和GPU方法 TensorFlow 支持 CPU 和 GPU。它也支持分布式计算。可以在一个或多个计算机系统的多个设备上使用 TensorFlow。 TensorFlow 将支持的 CPU 设备命名为“/device：CPU：0”（或“/cpu：0”），第 i 个 GP 阅读全文
摘要：
主成分分析法（PCA）原理和步骤 主成分分析（Principal Component Analysis，PCA）是一种多变量统计方法，它是最常用的降维方法之一，通过正交变换将一组可能存在相关性的变量数据，转换为一组线性不相关的变量，转换后的变量被称为主成分。 可以使用两种方法进行 PCA，分别是特征 阅读全文
摘要：
TensorFlow XLA加速编译器 加速线性代数器（Accelerated linear algebra，XLA）是线性代数领域的专用编译器。根据 https://www.tensorflow.org/performance/xla/，它仍处于实验阶段，用于优化 TensorFlow 计算。 X 阅读全文