print #直接初始化就可以 ，转换成四维报错误，不知道为什么，若谁想明白，请留言 报错误。tf.read_file 返回的是三维的，因为这个每次取出一张图片，放进队列中的，不需要转化为四维。然后对图片进行resize, 然后每个batch进行访问这个函

Google发布了新的TensorFlow物体检测API，包含了预训练模型，一个发布模型的jupyter notebook，一些可用于使用自己数据集对模型进行重新训练的有用脚本。tar_file.extract将TensorFlow模型载入内存。标签图将索

KNN算法算是最简单的机器学习算法之一了，这个算法最大的特点是没有训练过程，是一种懒惰学习，这种结构也可以在tensorflow实现。KNN的最核心就是距离度量方式，官方例程给出的是L1范数的例子，我这里改成了L2范数，也就是我们常说的欧几里得距离度量，另

建立文件tensor_save.py, 保存变量v1,v2的tensor到checkpoint files中，名称分别设置为v3,v4。# Add an op to initialize the variables.# Add ops to save an

线性回归属于监督学习，因此方法和监督学习应该是一样的，先给定一个训练集，根据这个训练集学习出一个线性函数，然后测试这个函数训练的好不好，挑选出最好的函数即可。b) 因为是单变量，因此只有一个x。我们常称x为feature，h为hypothesis。所以此处

每张图片还额外有一个标签记录了图片上数字是几，例如上面几张图的标签就是：5、0、4、1。MINIST数据MINIST的数据分为2个部分：55000份训练数据和10000份测试数据。在训练的过程中，我们必须单独保留一份没有用于机器训练的数据作为验证的数据，这

x = tf.placeholder # 原始输入。# 为了不在建立模型的时候反复做初始化操作，# 由一个卷积和一个最大池化组成。滤波器5x5中算出32个特征，是因为使用32个滤波器进行卷积

支持向量机可以用来拟合线性回归。相同的最大间隔的概念应用到线性回归拟合。代替最大化分割两类目标是，最大化分割包含大部分的数据点（x，y）。我们将用相同的iris数据集，展示用刚才的概念来进行花萼长度与花瓣宽度之间的线性拟合。相关的损失函数类似于max。ε这