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
# 如何使用TensorFlow生成神经网络代码
作为一名经验丰富的开发者，你可以帮助新手学习如何使用TensorFlow生成神经网络代码。下面是整个过程的步骤：
| 步骤 | 描述 |
| --- | --- |
| 1 | 导入TensorFlow库 |
| 2 | 定义神经网络的结构 |
| 3 | 设置损失函数和优化器 |
| 4 | 训练神经网络 |
| 5 | 评估模型的性能 |
原创
2024-03-12 05:23:08
21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
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
前向传播就是搭建网络，设计网络结构（一般新建一个文件forward.py）#前向传播过程，完成网络结构的设计，搭建完整的网络结构
def forward(x,regularizer): #x为输入，regularizer为正则化权重；返回y为预测或分类结果
w =
b =
y =
return y
#对w的设定
def get_weight(shape,reg
转载
2023-12-08 00:36:38
64阅读
Tensorflow是一个通过计算图的形式来表述计算的编程系统，计算图也叫数据流图，可以把计算图看做是一种有向图，Tensorflow中的每一个节点都是计算图上的一个Tensor张量，而节点之间的边描述了计算之间的依赖关系(定义时)和数学操作(运算时)。 Tensorflow的关键优势并不在于提供多少的深度神经网络模型，函数或方法，
转载
2023-12-13 05:07:23
56阅读
还是以TensorFlow游乐场作为例子。假如这是一个区分零件是否合格的实践场景，零件还是以 长度 和 质量 为特征。TensorFlow会通过监督学习的方式更合理的设置参数取值，设置神经网络参数的过程就是神经网络的训练过程。只有经过有效训练的神经网络草可以真正的解决分类或者回归问题。 盛景网络训练前
神经网络训练后 使用监督学习的方式试着神经网络参
转载
2023-12-01 13:38:44
30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
BP神经网络之手写数据识别（python-tensorflow）介绍数据加载与获取创建模型训练模型预测补充记录耗时保存模型TensorBoard全代码 介绍这是一个基于Python的tensorflow的，神经网络对手写数字的识别。 采用两层隐含层的BP神经网络。 本文采用BP全连接网络：输入层（32x32=784）—隐藏层1（256个神经元）—隐藏层2（64个神经元）—输出层（10）。激活函数
转载
2023-10-27 06:10:36
11阅读
以下代码实现了使用TensorFlow搭建神经网络解决MNIST手写体数字识别问题，此神经网络使用了激活函数去线性化，本身为三层全连接结构，带有指数衰减的学习率以及L2正则化损失函数，同时使用滑动平均模型进行优化。import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
INPUT_NOD
转载
2024-04-19 14:39:50
50阅读
上篇文章，我们来简单聊了下CNN卷积神经网络，在这篇文章中，我将用TensorFlow来创建一个对Mnist数据集分类的模型。我是在Anaconda下的Jupyter Notebook运行的。1. 不用卷积神经网络import tensorflow as tf
import numpy as np
from tensorflow.examples.tutorials.mnist import in
转载
2023-07-08 11:18:03
1088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
一 Tensorflow的游乐场及其神经网络的简介 此块，我们将通过Tensorflow的游乐场来快速的介绍神经网络的主要功能。Tensorflow游乐场的链接如下所示：https://playground.tensorflow.org，这是一个可以通过网络浏览器就可以训练的简单的神经网络，并可以实现可视化训练过程的工具。其具体的截图如下所示：&
转载
2023-12-20 06:47:02
61阅读
BP神经网络+PCA降维测试MNIST数据集一.BP神经网络1.网络架构2.反向传播二.PCA降维三.代码实现1.制作训练数据2.PCA降维3.BP神经网络训练4.测试及结果存储完整代码 经过多天的努力，成功完成了自己的第一次实战，特此记录。 一.BP神经网络在基于（输入->隐藏层->输出）的基础上，增添反向传播。作为最传统的神经网络，理解它的实现对入门神经网络帮助很大，这里并不会
转载
2023-11-07 12:45:07
14阅读
引言 在上一篇博客中，介绍了各种Python的第三方库的安装，本周将要使用Tensorflow完成第一个神经网络，BP神经网络的编写。由于之前已经介绍过了BP神经网络的内部结构，本文将直接介绍Tensorflow编程常用的一些方法。正文神经网络的内容 一般，一个神经网络程序包含以下几部分内容。 1.数据表达和特征提取。对于一个非深度学习神经网络，主要影响其模型准确度的因素就是数据表达和特征提
转载
2018-03-14 16:56:00
250阅读
### BP神经网络的实现流程
BP神经网络是一种常用的人工神经网络模型，在机器学习和深度学习中被广泛应用。下面是实现BP神经网络的流程图：
```mermaid
graph LR
A(数据预处理) --> B(初始化神经网络参数)
B --> C(前向传播)
C --> D(计算损失函数)
D --> E(反向传播)
E --> F(更新参数)
F --> G(重复C-E步骤直至收敛)
``
原创
2023-08-16 04:55:00
151阅读
Tensorflow–卷积神经网络卷积神经网络与全连接神经网络类似，可以理解为一种变换，这种变换一般由卷积，池化，加法，激活函数等一系列操作组合而成一.浅层卷积神经网络输入的三维张量首先与3个2行2列2深度的卷积核进行步长为1的same卷积，输出结果的尺寸是3行3列3深度 对应代码如下：import tensorflow as tf
# 输入张量
input_tensor=tf.constant
转载
2023-12-20 09:40:50
109阅读
以下为萌新初学神经网络的学习笔记。神经网络tensorflow简介：**1、**人的神经网络大致可以分为三部分：传入神经——>神经中枢——>传出神经。**2、**同样的，对于机器的神经网络而言，也存在这样的三个部分：Input layer——>Hidden layer——>Output layer一、Hidden layer（该图片为网图）隐含层就相当于人的神经中的神经中枢
转载
2024-04-07 21:27:39
32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
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
