我选择tensorFlow作为我学习的第一个神经网络框架，恰巧最近Tensorflow支持了windows,所以让我的学习变得更加便捷。一、TensorFlow的运行流程TensorFlow运行流程分为两步，分别是构造模型和训练。在构造阶段，我们需要去构建一个图（Graph）来描述我们的模型，然后在session中启动它
我选择tensorFlow作为我学习的第一个神经网络框架，恰巧最近Tensorflow
1 public class Solution { 2 public int findMaxForm(String[] strs, int m, int n) { 3 if (strs == null || strs.length == 0) { 4 return 0; 5 } 6 int[][] dp = new int[m + 1][n + 1]; 7 for (String s : strs) {
mycode 77.24% class Solution(object): def moveZeroes(self, nums): """ :type nums: List[int] :rtype: None Do not return anything, modify nums in-place instead. """ pos = 0 for i i
目录 TensorFlow2-创建 Tensor numpy, list numpy list zeros, ones, fill zeros ones fill random 打乱idx后，a和b的索引不变 constant loss计算 无bias的loss TensorFlow2-创建 Tensor * from numpy, list * zeros, ones, fill * random # if big dimension, random in
一、状态和模型 在CNN网络中的训练样本的数据为IID数据（独立同分布数据），所解决的问题也是分类问题或者回归问题或者是特征表达问题。但更多的数据是不满足IID的，如语言翻译，自动文本生成。它们是一个序列问题，包括时间序列和空间序列。这时就要用到RNN网络，RNN的结构图如下所示： 序列
二分类模型的评价指标 https://www.cnblogs.com/xiaoniu-666/p/10511694.html 参考tf的方法 predictions = tf.argmax(predict, 1) actuals = tf.argmax(real, 1) ones_like_actuals = tf.ones_like(actuals) zeros_like_actuals = tf.zeros_like(actuals) one
import tensorflow as tf import numpy as np import matplotlib matplotlib.use("Agg") import matplotlib.pyplot as plt data = np.linspace(1,15,15) endPrice = np.array([2500,2630,2222,2214,2013,2810,2547,1566,2700,2800,2900,3000,2100,2400,2500]) beg
tf.zeros函数 tf.zeros( shape, dtype=tf.float32, name=None ) 定义在：tensorflow/python/ops/array_ops.py. 创建一个所有元素都设置为零的张量. 该操作返回一个带有形状shape的类型为dtype张量,并且所有元素都设为零. 例如： tf.zeros([3, 4], tf.int32) # [[0, 0,
tf.zeros_like函数 tf.zeros_like( tensor, dtype=None, name=None, optimize=True ) 定义在：tensorflow/python/ops/array_ops.py. 请参阅指南：生成常量,序列和随机值>常量值张量 创建一个所有元素都设置为零的张量. 给定一个张量(tensor),该操作返回与所有元素设
