TensorFlow学习0.导语1.Session会话控制(两种打开模式)2.Tensorflow使用Variable3.Placeholder 传入值4.激励函数(activate function)5.定义添加神经层的函数6.建造神经网络7.matplotlib 可视化8.学习文章TensorFlow学习0.导语
本周将会陆续更新莫凡python配套视频的自己学习笔记,学习内容为tensorflow!
欢迎转发,收藏!
预备知识
安装TensorFlow:
TensorFlow-Gpu 1.8安装
1.Session会话控制(两种打开模式)
定义矩阵
两矩阵相乘
Session会话控制方法一
Session会话控制方法二
2.Tensorflow使用Variable
写在前面
定义变量与常量
变量与常量做加法运算
更新state值
变量初始化!!!
激活变量
3.Placeholder 传入值
写在前面
定义两个placeholder
mul=multiply是将input1和input2做乘法运算
外部传如data,并输出结果
4.激励函数(activate function)
激励函数运行时激活神经网络中某一部分神经元。
将激活信息向后传入下一层的神经系统。
激励函数的实质是非线性方程。
5.定义添加神经层的函数
写在前面
定义weights和biases
激励函数处理
返回输出
完整函数
6.建造神经网络
导入包numpy
定义添加神经层的函数
将一个有300个元素的一维数组转换成1列300行的矩阵形式(列向量)
噪点,没有按照函数走,这样看起来会更像真实情况,其中0.05表示方差
接下来,开始定义神经层。 通常神经层都包括输入层、隐藏层和输出层。这里的输入层只有一个属性, 所以我们就只有一个输入;隐藏层我们可以自己假设,这里我们假设隐藏层有10个神经元; 输出层和输入层的结构是一样的,所以我们的输出层也是只有一层。 所以,我们构建的是——输入层1个、隐藏层10个、输出层1个的神经网络。
训练
运行
7.matplotlib 可视化
绘制散点图
显示预测数据
问题:红色实线条不显示,解决办法:取消matplotlib默认输出到sciview
8.学习文章
8.1.Tensorflow简介
https://morvanzhou.github.io/tutorials/machine-learning/tensorflow/
8.2.新版pycharm中,取消matplotlib默认输出到sciview
领取专属 10元无门槛券
私享最新 技术干货