eval_steps=params.eval_steps # Use evaluation feeder until its empty. 不过个人觉得最好还是在estimator中定义，让experiment只专注于控制实验的模式。该对象描述来一个模型的

最近一直在用TF做CNN的图像分类，当softmax层得到预测结果后，我希望能够看到预测结果，以便和标签之间进行比较。特此补上，以便自己记忆。我现在通过softmax层得到变量train_logits，如果我直接执行print时，得到的结果如下：。这貌似什

通常只需要设定一个标准差stddev这一个参数就可以。input_size指输入数据的维数，假设输入为x,计算为x*w,则input_size=w.shape[0].

使用tensorflow实现一个简单的卷积神经，使用的数据集是MNIST，本节将使用两个卷积层加一个全连接层，构建一个简单有代表性的卷积网络。代码是按照书上的敲的，第一步就是导入数据库，设置节点的初始值，Tf.nn.conv2d是tensorflow中的2

识别MNIST已经成了深度学习的hello world，所以每次例程基本都会用到这个数据集，这个数据集在tensorflow内部用着很好的封装，因此可以方便地使用。这次我们用tensorflow搭建一个softmax多分类器，和之前搭建线性回归差不多，第一

对MNIST这个非常简单的机器视觉数据集,Tensorflow为我们进行了方便的封装,可以直接加载MNIST数据成我们期望的格式.本程序使用Softmax Regression训练手写数字识别的分类模型.

深度学习中对于网络的训练是参数更新的过程，需要注意一种情况就是输入数据未做归一化时，如果前向传播结果已经是[0,0,0,1,0,0,0,0]这种形式，而真实结果是[1,0,0,0,0,0,0,0,0]，此时由于得出的结论不惧有概率性，而是错误的估计值，此时

过拟合overfittingt是这样一种现象：一个假设在训练数据上能够获得比其他假设更好的拟合，但是在训练数据外的数据集上却不能很好的拟合数据。此时我们就叫这个假设出现了overfitting的现象。出现这种现象的主要原因是训练数据中存在噪音或者训练数据太

逻辑回归是机器学习中很简答的一个栗子，这篇文章就是要介绍如何使用tensorflow实现一个简单的逻辑回归算法。逻辑回归可以看作只有一层网络的前向神经网络，并且参数连接的权重只是一个值，而非矩阵。逻辑回归是一种分类器模型，需要木便函数不断的优化参数，这里目