TF2.1学习笔记

TensorFlow2.1入门学习笔记(6)——激活函数

常见函数 tf.where(条件语句,真返回A,假返回B) import tensorflow as tf a = tf.constant([1, 2, 3, 1, 1]) b = tf.constant([0, 1, 3, 4, 5]) # 若a>b,返回a对应位置的元素,否则返回b对应位置的元素 c = tf.where(tf.greater(a, b), a, b) print("c:", c) # c: tf.

TensorFlow2.1入门学习笔记(5)——构建第一个神经网络,鸢尾花分类问题(附源码)

根据前面的基础知识,可以开始第一个神经网络的搭建,主要学习的资料西安科技大学:神经网络与深度学习——TensorFlow2.0实战,北京大学:人工智能实践Tensorflow笔记 1.问题背景 问题描述 人们通过经验总结出的规律:通过测量鸢尾花的花萼长、花萼宽、花瓣长、花瓣宽,可以得出鸢尾花的类别。(如:花萼长>花萼宽 且 花瓣长/花瓣宽>2 则为杂色鸢尾花)。大量依靠人工分类工作量巨大,不同的人员分类,标准,准确率都会有所差距。可以借助深度学习来学习其中的特征并对新数据进行预测。 流程设计 大量的[花萼长、花萼宽、花瓣长、花瓣宽(输入特征),对应的类别(标签)]数据对构成数据集 把数据集喂入搭建好的神经网络结构 网络优化参数得到模型 模型读入新输入特征,输出识别结果 模型设计 搭建网络模型 转换为数学模型 所有输入特征x与相应特征权重w相乘加上偏置项b输出结果y。 x:一行四列矩阵,对应四个特征 w:四行三列矩阵 b:3个偏置项 y:一行三列矩阵,对应三种类别的可信度 搭建网络 每个神经元$y_0,y_1,y_2与输入节点x_0,x_1,x_2,x_3$都有联系,称为全连接神经网络权重w与偏置项b会随机初始化一组参数 前向传播 神经网络执行y = x * w + b的过程称为前向传播

TensorFlow2.1入门学习笔记(4)——神经网络计算

前面已经学习了有关TensorFlow的一些常用库,以及相关数据的处理方式,下面就是有关神经网络计算的学习笔记。主要学习的资料西安科技大学:神经网络与深度学习——TensorFlow2.0实战,北京大学:人工智能实践Tensorflow笔记 1.张量(Tensor)的生成 张量可以表示0阶到n阶数组(列表) 张量:多维数组、多维列表 阶:张量的维数 维数 阶 名字 例子 0-D 0 标量 scalar s=1 2 3 1-D 0 向量 vector v=[1, 2, 3] 2-D 0 矩阵 matrix m=[[1, 2, 3],[4 ,5 ,6]] n-D 0 张量 tensor t=[[[(n个“[”) 数据类型

TensorFlow2.1入门学习笔记(3)——Pillow数字图像处理

在正式学习tensorflow2.0之前需要有一定的python基础,对numpy,matplotlib等库有基本的了解,笔者还是AI小白,通过写博客来记录自己的学习过程,同时对所学的东西进行总结。主要学习的资料西安科技大学:神经网络与深度学习——TensorFlow2.0实战,北京大学:人工智能实践Tensorflow笔记博客从tf常用的库开始,需要学习python基础的朋友推荐菜鸟教程

TensorFlow2.1入门学习笔记(2)——Matplotlib数据可视化

在正式学习tensorflow2.0之前需要有一定的python基础,对numpy,matplotlib等库有基本的了解,笔者还是AI小白,通过写博客来记录自己的学习过程,同时对所学的东西进行总结。主要学习的资料西安科技大学:神经网络与深度学习——TensorFlow2.0实战,北京大学:人工智能实践Tensorflow笔记博客从tf常用的库开始,需要学习python基础的朋友推荐菜鸟教程 数据可视化: 数据分析阶段:理解和洞察数据之间的关系 算法调试阶段:发现问题,优化算法 项目总结阶段:展示项目成果 Matplotlib:第三方库,可以快速生成高质量图表 安装Matplotlib库 pip install -i https://pypi.tuna.tsinghua.edu.cn/simple matplotlib 导入Matplotlib库 import matplotlib as plt #可用pyplot库绘制平面图,常用import matplotlib.pyplot as plt导入 1.常用函数 figure对象:创建画布 pit.figure(figsize=(3,2),facecolor="green") #创建画布 plt.plot() #绘制空白图形 plt.show() #显示绘图 subplot()函数——划分子图 subplot(行数,列数,子图序号) 例:将画布划分为2x2的子图区域,并绘制3个子图

TensorFlow2.1入门学习笔记(1)——Numpy科学计算库

在正式学习tensorflow2.0之前需要有一定的python基础,对numpy,matplotlib等库有基本的了解,笔者还是AI小白,通过写博客来记录自己的学习过程,同时对所学的东西进行总结。主要学习资料西安科技大学:神经网络与深度学习——TensorFlow2.0实战,北京大学:人工智能实践Tensorflow笔记。博客从tf常用的库开始,需要学习python基础的朋友推荐菜鸟教程 1.多为数组的形状(Shape) 描述数组的维度,以及各维度内部元素个数 一维数组 shape:(5,) 描述某位同学5门课程的成绩: 二维数组 shape:(30,5) 描述某个班30位同学5门课成绩: 三维数组 shape:(10,30,5) 描述某个学校10个班30位同学5门课成绩: 四维数组 shape:(5,10,30,5) 描述某个地区5所学校10个班30位同学5门课成绩: 五维数组 shape:(4,5,10,30,5) 描述某个某个国家4个地区5所学校10个班30位同学5门课成绩: 更高维以此类推 2.创建Nump 安装Numpy库 pip install -i https://pypi.tuna.tsinghua.edu.cn/simple numpy 导入Numpy库 import numpy as np import numpy import * #可直接调用库,但不推荐,容易和其他包冲突 创建数组 m = np.