摘要：
实例 import tensorflow as tf import os num_epochs = 10 batch_size = 32 learning_rate = 0.001 data_dir = 'C:/datasets/cats_vs_dogs' train_cats_dir = data 阅读全文
摘要：
简单粗暴的tensorflow-模型与层 简单粗暴的tensorflow-多层感知机（MLP） 简单粗暴的tensorflow-CNN 简单粗暴的tensorflow-RNN 简单粗暴的tensorflow-Keras Pipeline 简单粗暴的tensorflow-自定义层、损失函数、评估指标 阅读全文
摘要：
# tensorboard可视化参数 summary_writer = tf.summary.create_file_writer('./tensorboard') #存放 TensorBoard 的记录文件 # 开始模型训练 for batch_index in range(num_batches 阅读全文
摘要：
# train.py 模型训练阶段 model = MyModel() # 实例化Checkpoint，指定保存对象为model（如果需要保存Optimizer的参数也可加入） checkpoint = tf.train.Checkpoint(myModel=model) # ...（模型训练代码） 阅读全文
摘要：
# 自定义层 y_pred=w*x+b class LinearLayer(tf.keras.layers.Layer): def __init__(self, units): super().__init__() self.units = units def build(self, input_s 阅读全文
摘要：
# Keras Pipeline model = tf.keras.models.Sequential([ #模型定义 tf.keras.layers.Flatten(), tf.keras.layers.Dense(100, activation=tf.nn.relu), tf.keras.lay 阅读全文
摘要：
# 数据集 class DataLoader(): def __init__(self): path = tf.keras.utils.get_file('nietzsche.txt', origin='https://s3.amazonaws.com/text-datasets/nietzsche 阅读全文
摘要：
# CNN模型定义 class CNN(tf.keras.Model): def __init__(self): super().__init__() self.conv1 = tf.keras.layers.Conv2D( #卷积层定义 filters=32, # 卷积层神经元（卷积核）数目 ke 阅读全文
摘要：
# 数据集 class MNISTLoader(): def __init__(self): mnist = tf.keras.datasets.mnist (self.train_data, self.train_label), (self.test_data, self.test_label) 阅读全文
摘要：
#y_pred = a * X + b进行模型建立 import tensorflow as tf X = tf.constant([[1.0, 2.0, 3.0], [4.0, 5.0, 6.0]]) y = tf.constant([[10.0], [20.0]]) class Linear(t 阅读全文