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
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
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
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
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
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
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
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
6 人工神经网络汉字识别系统6.1 电脑能“变成”人脑吗计算机能够识字，也能够识别话音，辨别气味，实现某种通常与人类智能有关的功能。但是严格地说，现代的计算机并没有智能，只不过运算速度很高，能够执行人们事先精心编制的程序，完成规定的任务而已。也就是说，现代计算机的性能还不理想，抗干扰能力还较差，不能很好适应工作环境的变化，不像人脑那样能随机应变，去伪存真，去粗存精，具有高超的分析问题和解决问题的能
转载
2023-10-11 15:44:12
74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
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 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
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
# 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
## 构建多层卷积神经网络
softmax模型在MNIST上只有91%正确率，而卷积神经网络会达到大概99.2%的准确率，还是比较让人满意。
### 权重初始化
为了创建这个模型，我们需要创建大量的权重和偏置项。这个模型中的权重在初始化时应该加入少量的噪声来打破对称性以及避免0梯度。由于我们使用的是ReLU神经元，因此比较好的做法是用一个较小的正数来初始化偏置项，以避免神经元节点输出恒为0的问题（
转载
2023-12-26 16:55:59
17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
