工作流程(正向傳播)：
每個節點：
它接受乙個1*m的向量x，通過x = x*w.t + b y = f(x) 然後輸出y f是啟用函式
每一層：
它接受乙個 1*n1的向量 通過自己神經節點的轉化 輸出乙個 1*n2的向量
n1為上一層的節點個數 n2為這一層的節點個數
對於這一層的每個節點 它的w是1*n1向量(因為我們寫的是卷積神經網路嘛)
這個神經網路：
它接受乙個1*n向量 這個是表示目標的特徵 輸出乙個0到1之間的數字 表示這個問題為 1 的概率是多少
訓練過程(反向傳播)：
該說的都在圖里了
這裡有個地方寫錯了
w1' = w1 - x'*a1*alaph
alaph表示的是學習率(learning rate)
tensorflow神經網路訓練流程
from future import print function from tensorflow.examples.tutorials.mnist import input data import tensorflow as tf mnist input data.read data sets d...
Tensorflow 深層神經網路
維基百科對深度學習的定義 一類通過多層非線性變換對高複雜性資料建模演算法的合集.tensorflow提供了7種不同的非線性啟用函式,常見的有tf.nn.relu,tf.sigmoid,tf.tanh.使用者也可以自己定義啟用函式.3.1.1 交叉熵 用途 刻畫兩個概率分布之間的距離,交叉熵h越小,兩...
初探深層神經網路
深度學習與深層學習網路 tensorflow中，tensor就是多維陣列，維基百科對深度學習的精確定義為 一類通過多層非線性變換對高複雜性資料建模演算法的合集 因為深層神經網路是實現 多層非線性變換 最常用的一種方法，所以在實際中基本上可以認為深度學習就是深層神經網路的代名詞。從維基百科給出的定義可...