Python 2.x 中如何使用tensorflow模块进行深度学习
Python 2.x 中如何使用tensorflow模块进行深度学习引言：深度学习是人工智能领域中的一个热门领域，而tensorflow作为一个强大的开源机器学习库，提供了一种简单而又高效的方式来构建和训练深度学习模型。本文将介绍如何在Python 2.x环境下使用tensorflow模块进行深度学习任务，并提供相关的代码示例。安装tensorflow模块首先，我们需要在Python环境中安装tensorflow模...
python怎么安装tensorflow
TensorFlow™是一个基于数据流编程（dataflow programming）的符号数学系统，被广泛应用于各类机器学习（machine learning）算法的编程实现，其前身是谷歌的神经网络算法库DistBelief。在命令提示符窗口中输入（推荐学习：Python视频教程）pip3 install --upgrade tensorflow登录后复制pip3命令是python特有的安装和管理第三方模块的命令...
【深度学习_TensorFlow】自定义层实现cifar10
会实际应用，接下来我们就使用cifar10数据集来实战 3. cifar10实战 注意：由于我们的图像的尺寸很小，图案本身就不清楚，加之网络简单，所以训练出的模型准确率不高是正常现象。 import tensorflow as tffrom tensorflow.keras import datasets, layers, optimizers, Sequential, metrics # 图像预处理函数def ...
【深度学习所有损失函数】在 NumPy、TensorFlow 和 PyTorch 中实现（2/2）
一、说明 在本文中，讨论了深度学习中使用的所有常见损失函数，并在NumPy，PyTorch和TensorFlow中实现了它们。 (二-五)见 六、稀疏分类交叉熵损失 稀疏分类交叉熵损失类似于分类交叉熵损失，但在真实标签作为整数而不是独热编码提供时使用。它通常用作多类分类问题中的损失函数。 稀疏分类交叉熵损失的公式为： L = -1/N * sum(log(Y_hat_i)) 其中 是...
【深度学习_TensorFlow】调用keras高层API重写手写数字识别项目
tf.keras的区别，还是很有必要看看这篇文章！ 其实 keras 可以理解为一套搭建与训练神经网络的高层 API 协议，Keras 本身已经实现了此协议，安装标准的 Keras 库就可以方便地调用TensorFlow、CNTK 等后端完成加速计算；在 TensorFlow 中，也实现了一套 keras 协议，即 tf.keras，它与 TensorFlow 深度融合，且只能基于 TensorFlow 后端运算，并...
【深度学习所有损失函数】在 NumPy、TensorFlow 和 PyTorch 中实现（1/2）
一、说明 在本文中，讨论了深度学习中使用的所有常见损失函数，并在NumPy，PyTorch和TensorFlow中实现了它们。 二、内容提要 我们本文所谈的代价函数如下所列： 均方误差 （MSE） 损失二进制交叉熵损失加权二进制交叉熵损失分类交叉熵损失稀疏分类交叉熵损失骰子损失吉隆坡背离损失平均绝对误差 （MAE） / L1 损耗胡贝尔损失 在下文，我们将逐一演示其不同实现办法。 三、均方误差 ...
【深度学习_TensorFlow】激活函数
∈ (0,1)区间，和概率的分布范围[0,1]契合，可以通过 Sigmoid 函数将输出转译为概率输出 Sigmoid 函数连续可导，可以直接利用梯度下降算法优化网络参数 （ 2 ）简单实现 如何在TensorFlow中使用这个函数呢,其实一行代码就可以搞定了 tf.nn.sigmoid(x) # 通过 Sigmoid 函数 二、ReLU （ 1 ）简单介绍 在 ReLU激活函数提出之前，Sigmoid 函数通常是...
【深度学习_TensorFlow】感知机、全连接层、神经网络
} dout为输出节点数，偏置向量 b 的 shape 定义为 [ d o u t ] [d_{out}] [dout]。 （ 2 ）学会实现 全连接层本质上是矩阵的相乘和相加运算，实现并不复杂。TensorFlow 中有使用方便的层实现方式：layers.Dense(units, activation)。通过 layer.Dense 类，只需要指定输出节点数 units 和激活函数类型 activation 即...
【深度学习_TensorFlow】梯度下降
来监控，否则输出结果将是None tape.gradient()函数 tape.gradient(target, source) target：求导的因变量 source：求导的自变量 import tensorflow as tf w = tf.constant(1.)x = tf.constant(2.)y = x * w with tf.GradientTape() as tape: tape.watch(...
【深度学习_TensorFlow】误差函数
数的值总是大于等于 0，值越小，越接近真实值。 当 MSE 函数达到最小值 0 时，输出值等于真实标签，此时神经网络的参数达到最优状态。 （ 2 ）函数实现 # 均方差函数的实现有多种import tensorflow as tf # 方法一：tf.reduce_mean(tf.square(y_true - y_pred)) # 方法二：tf.keras.losses.MSE(y_true, y_pred) ...