直接看代码例子，有详细注释！！# buffer中样本个数不足buffer_size，继续从data数据集中安顺序填充至buffer_size，array([[ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9],[20, 21, 22, 23, 2

TensorFlow修改变量值后，需要重新赋值，assign用起来有点小技巧，就是需要需要弄个操作子，运行一下。x_data=np.random.rand.astype #随机生成100个类型为float32的值。loss=tf.reduce_mean #

如下所示：。import tensorflow as tf. a = tf.Variable([4,5,6]). b = tf.Variable([1,2,3]). c = tf.concat(0,[a,b]). with tf.Session() as

在训练循环中，定期调用 saver.save() 方法，向文件夹中写入包含了当前模型中所有可训练变量的 checkpoint 文件。saver.saveglobal_step是训练的第几步

# 因为模型使用Adam算法优化的，在生成的ckpt中，有Adam后缀的tensor

在Tensorflow卷积神经网络实例这篇博客中，我们实现了一个简单的卷积神经网络，没有复杂的Trick。接下来，我们将使用CIFAR-10数据集进行训练。CIFAR-10是一个经典的数据集，包含60000张32*32的彩色图像，其中训练集50000张，测

本文将详细展示一个多类支持向量机分类器训练iris数据集来分类三种花。SVM算法最初是为二值分类问题设计的，但是也可以通过一些策略使得其能进行多类分类。一对一方法是在任意两类样本之间设计创建一个二值分类器，然后得票最多的类别即为该未知样本的预测类别。最后的

我们经常在训练完一个模型之后希望保存训练的结果，这些结果指的是模型的参数，以便下次迭代的训练或者用作测试。Tensorflow针对这一需求提供了Saver类。Saver类提供了向checkpoints文件保存和从checkpoints文件中恢复变量的相关方

本次安装tensorflow是基于Python的，安装Python的过程不做说明：本次教程是windows下Anaconda安装Tensorflow的过程。下载可以去官网上下载，直接搜索找与你电脑对应的版本就好，我个人习惯从国内镜像网站下载，下载快哇。看到

Tensor.shape Tensor.get_shape() tf.shape对上面三种操作做一下简单分析：。A 和 B 基本一样，只不过前者是Tensor的属性变量，后者是Tensor的函数。A 和 B 均返回TensorShape类型，而 C 返

Softmax回归可以算是多分类问题logistic回归，它和神经网络的最大区别是没有隐含层。为了拟合复杂函数需要的隐含节点的数目，基本上随着隐含层的数量增多呈指数下降的趋势，也就是说层数越多，神经网络所需要的隐含节点可以越少。在实际应用中，深层神经网络会

神经网络学习过程的本质就是学习数据分布，在训练数据与测试数据分布不同情况下，模型的泛化能力就大大降低；另一方面，若训练过程中每批batch的数据分布也各不相同，那么网络每批迭代学习过程也会出现较大波动，使之更难趋于收敛，降低训练收敛速度。对于深层网络，网络

#after transpose, images is in dimension 0 and label in dimension 1. return image_list,label_list这里文件名作为标签，即类别。然后将image和label转为l

最新上传的mcnn中有完整的数据读写示例，可以参考。从文件读取数据： 在TensorFlow图的起始， 让一个输入管线从文件中读取数据。太长不看，直接看源码请猛戳我的github，记得加星哦。TFRecords文件包含了tf.train.Example 协

上期我们分享了CNN的基本结构，本期我们就拿MNIST数据集来训练一下手写数字的数据库，以便我们下期能够使用训练好的模型，来进行手写数字的识别。分享一下几个可视化网站，可以看到神经网络的识别过程。池化的核函数大小为2x2，因此ksize=[1,2,2,1]

上期我们分享了TensorFlow的过拟合与dropout的问题过拟合与dropout，本期我们来实现如何在TensorFlow中利用代码实现overfiting的问题。X_train, X_test, y_train, y_test = train_te

tensorflow利用anaconda在ubuntu下安装方法及jupyter notebook运行目录及远程访问配置。anaconda search -t conda tensorflow等待后会显示列表，我选择的conda-forge/tensorf

逻辑回归是应用非常广泛的一个分类机器学习算法，它将数据拟合到一个logit函数中，从而能够完成对事件发生的概率进行预测。