包括卷积神经网络(CNN)在内的各种前馈神经网络模型, 其一次前馈过程的输出只与当前输入有关与历史输入无关.递归神经网络(Recurrent Neural Network, RNN)充分挖掘了序列数据中的信息, 在时间序列和自然语言处理方面有着重要的应用.递归神经网络可以展开为普通的前馈神经网络:长短期记忆模型(Long-Short Term Memory)是RNN的常用实现. 与一般神经网络的神
转载
2023-12-09 12:43:05
76阅读
本文不赘述神经网络的原理，只是简单介绍如何用python3.0 |tensorflow2.0框架搭建一个简单的神经网络,进行简单的图像识别。本文分为三个部分，第一部分先po出总体代码，第二部分分段详解每段代码，第三部分总结。参考：1 tf.Keras - 简书 (jianshu.com)2Fashion-MNIST：替代MNIST手写数字集的图像数据集 - 知乎 (zhihu.
转载
2023-10-17 05:38:54
179阅读
目录TensorFlow游乐场神经网络参数与TensorFlow变量TensorFlow实现神经网络模型placeholder详解 TensorFlow游乐场TensorFlow游乐场可视化训练神经网络，实现可视化训练。神经网络参数与TensorFlow变量tensorflow中支持的随机数生成函数：函数名称随机数分布主要参数tf.random_normal正态分布平均值、标准差、取值类型tf.t
转载
2023-07-07 14:29:22
119阅读
1. 神经网络解决问题的基本步骤基本步骤列举如下：提取问题中实体的特征向量作为神经网络的输入（特征工程）。定义神经网络的结构，及如何从输入得到输出（前向传播算法）。通过训练数据调整神经网络中参数的取值（优化算法）。利用训练好的神经网络预测未知的数据（在未知数据上使用前向传播算法）。1.1 前向传播算法1.1.1 所需信息神经网络的输入。神经网络的连接结构。每个神经元中的参数。对于一个没有激活函数的
转载
2023-11-25 05:52:54
130阅读
学了一段深度学习，最近学了tensorflow，所以想自己去根据教程写一个简单的卷积神经网络。CNN：卷积神经网络的实现一个卷积神经网络的结构一般是由输入-->卷积-->池化-->卷积-->池化-->............-->全连接-->全连接-->输出，这样的一层层构建起来的网络。本代码构建了一个含有两个卷积层，两个池化层和两个全连接层的网络，
转载
2023-11-27 09:45:07
87阅读
前言【Tensorflow】Tensorflow实现线性回归及逻辑回归【深度学习】神经网络与BP算法前一篇介绍了使用 Tensorflow 实现线性回归及逻辑回归，并实现了手写数字识别的案例；后一篇介绍了BP神经网络，以及Python实现。本篇将通过 Tensorflow 实现简单神经网络（1个输入层、2个隐藏层、1个输出层），并应用有手写数字识别案例。代码# 引入包
import tensorf
转载
2023-11-27 12:52:15
195阅读
一、神经网络的实现过程1、准备数据集，提取特征，作为输入喂给神经网络 2、搭建神经网络结构，从输入到输出 3、大量特征数据喂给 NN，迭代优化 NN 参数 4、使用训练好的模型预测和分类 二、前向传播 前向传播就是搭建模型的计算过程
转载
2023-10-26 19:45:35
113阅读
单层神经网络的创建张量方式实现import tensorflow as tf
x = tf.random.normal([2, 784])
w1 = tf.Variable(tf.random.truncated_normal([784, 256], stddev=0.1))
b1 = tf.Variable(tf.zeros([256]))
o1 = x @ w1 + b1
print(o1.s
转载
2023-11-02 00:41:29
83阅读
直接上源码：import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_datamnist = input_data.read_data_sets("../data/", one_hot = True) #读图片数据集sess = tf.InteractiveSession() #创建session#训
原创
2022-04-19 10:00:16
351阅读
使用Tensorflow建造神经网络一、Tensorflow建造神经网络添加一层神经元的函数1. 定义数据 — 输入层2. 创建隐藏层和输出层3. 误差计算4. 误差传播5. 参数初始化6. 开始模拟7. 完整代码二、【附录】1. 关于`reduction_indices`2. 关于`tf.nn.relu`3. 关于`numpy.linspace()`4. 关于`tf.train.Gradien
转载
2023-06-29 12:06:22
272阅读
近期， JoinQuant 金融终端上线了python3.6版本，并且为小伙伴们带来了诸多重要更新：期权数据；支持 Tick 回测功能；研究示例文件增加了 TensorFlow、PyTorch 的安装教程；支持 pip 一键安装 TensorFlow、PyTorch、Keras 等深度学习库；组合优化更新：支持风险因子暴露限制、换手率限制、流动性限制、流动性限制、行业偏离度限制、追踪误差限制、换手
转载
2023-12-25 23:17:56
54阅读
一 通过Tensorflow训练神经网络模型 上一节介绍了如何通过Tensorflow中变量表示神经网络中的参数，并且给出了一个样例完成了神经网络的前向传播过程。在这份代码中，所有【变量】的取值都是【随机】的。在使用【神经网络】解决实际的【分类】和【回归问题】时，需要更好的设置【参数】的【取值】。在本节，我们将简答的介绍使用【监督学习】
转载
2023-11-24 23:03:11
51阅读
目录一，TensorFlow2.0搭建神经网络八股1）import 【引入相关模块】2）train,test 【告知喂入网络的训练集测试集以及相应的标签】3）model=tf.keras.models.Sequential 【在Sequential中搭建网络结构，相当于走一遍前向传播】4）model.compile 【告知训练时选择哪种优化器，选择哪
转载
2024-04-21 09:30:47
217阅读
Tensorflow实现BP神经网络摘要：深度学习中基本模型为BP深度神经网络
原创
2022-12-21 13:42:37
228阅读
1.placeholder机制作用：解决多次迭代中，计算图过大的问题。 |- 如果不使用placeholder机制，多次迭代中，多个特征向量，对应多个计算图。计算图利用率低。 |- 使用placeholder机制，多次迭代中，多个特征向量，对应一个计算图。计算图利用率高。特点： |- 是一种张量，因此它的类型可以在声明的
转载
2023-08-18 23:41:34
107阅读
最近在学习郑泽宇老师的《Tensorflow实战Google深度学习框架》，书中样例代码写的非常简洁、易懂，而且逻辑性很强，在这里进行记录一下。 以下样例代码使用tensorflow框架构建两层全连接神经网络，识别MNIST手写数字数据集。其中用到了一些优化方法：使用滑动平均模型控制权值参数的
转载
2023-12-06 14:52:36
90阅读
目录低阶 API 模型Keras 顺序模型Keras 函数式模型Keras 混合模型 低阶 API 模型首先读取数据集并进行简单切分，这里对字符标签进行了独热编码方便后面计算损失值。import numpy as np
import tensorflow as tf
from sklearn.datasets import load_digits
from sklearn.model_selec
转载
2023-08-08 11:19:19
116阅读
#coding:utf-8
"""
随机产生32组生产出的零件的体积和重量，训练3000轮，每500轮输出一次损失函数
神经网络框架：输入层2个神经元，隐藏层3个神经元，输出层1个神经元
"""
"""0导入模块：导入模块，生成模拟数据集"""
import tensorflow as tf
import numpy as np
BATCH_SIZE = 8 #一次给神经网络喂入8组数据，不能太
转载
2023-08-08 11:19:27
115阅读
一文学会用 Tensorflow 搭建神经网络
cs224d-Day 6: 快速入门 Tensorflow本文是学习这个视频课程系列的笔记，课程链接是 youtube 上的， 讲的很好，浅显易懂，入门首选， 而且在github有代码， 想看视频的也可以去他的优酷里的频道找。Tensorflow 官网神经网络是一种数学模型，是存在于计算机的神经系统，由
本文是在GPU版本的Tensorflow = 2.6.2 , 英伟达显卡驱动CUDA版本 =11.6，Python版本 = 3.6, 显卡为3060的环境下进行验证实验的！！！ 文章目录一、M-P神经元模型二、BP神经网络模型1. 感知机模型2. BP神经网络模型3.BP神经网络传播过程4. BP神经网络向前推导5.BP神经网络训练过程步骤一:定义神经网络前向传播的结构、各个参数以及输出结果步骤二
转载
2023-06-26 22:05:23
331阅读
