首先在前面的筆記中已經實現了通過tensorflow變數來表示神經網路引數。現在學習使用監督學習的方式來更合理的引數設定引數取值。首先使用監督學習的方式設定神經網路引數需要有乙個標註好的訓練資料。以判斷零件合格為例，標註好的訓練資料集就是收集一批合格和一批不合格的零件。
監督學習最重要的思想就是，在已知答案的標註資料集上，模型給出的**結果要盡量接近真實值。通過調整神經網路中的引數對訓練資料進行擬合，可以使模型對未知的樣本提供**能力。其中在神經網路優化演算法中，最常用的方法是反向傳播演算法（backpropagation）。具體流程如下圖所示：
從上圖可以看出，反向傳播演算法是乙個迭代過程，每次迭代開始首先要選取一小部分訓練資料，這一小部分資料叫乙個*****。
tensorflow學習筆記（6） 訓練模型
在神經網路優化演算法中，用的最多的是反向傳播演算法。通過tensorflow實現反向傳播演算法的第一步是使用tensorflow來表達乙個batch,tensorflow中提供了placeholder機制用於提供輸入資料。placeholder相當於定義了乙個位置，這個位置中的資料在程式執行時再指定...
Tensorflow訓練之得到Nan錯誤的分析
之前在tensorflow中實現不同的神經網路，作為新手，發現經常會出現計算的loss中，出現nan值的情況，總的來說，tensorflow中出現nan值的情況有兩種，一種是在loss中計算後得到了nan值，另一種是在更新網路權重等等資料的 時候出現了nan值，本文接下來，首先解決計算loss中得到...
TensorFlow訓練Logistic回歸
如下圖，可以清晰看到線性回歸和邏輯回歸的關係，乙個線性方程被邏輯方程歸一化後就成了邏輯回歸。對於二分類，輸出假如線性回歸模型為，則要將z轉成y，即y g z 於是最直接的方式是用單位階躍函式來表示，即 如圖，但階躍函式不連續，於是用sigmoid函式替代之，為 如圖，則有，即logistics函式，...