1.np.asarray()
array和asarray都可將結構資料轉換為ndarray型別。
舉例：data1=[[1,1,1],[1,1,1],[1,1,1]] arr2=np.array(data1) arr3=np.asarray(data1)
輸出：arr2: [[1 1 1] [1 1 1] [1 1 1]] arr3: [[1 1 1] [1 1 1] [1 1 1]]
2.shape()
shape函式是numpy.core.fromnumeric中的函式，它的功能是讀取矩陣的長度，比如shape[0]就是讀取矩陣第一維度的長度。
3.tf.placeholder()
tf.placeholder( dtype, shape=none, name=none)
dtype：資料型別。常用的是tf.float32,tf.float64等數值型別
shape：資料形狀。預設是none，就是一維值，也可以是多維（比如[2,3], [none, 3]表示列是3，行不定）
name：名稱
4.tf.variable()
tf.variable(initializer,name),引數initializer是初始化引數，name是可自定義的變數名稱
5.np.random.randn()
當函式括號內沒有引數時，則返回乙個浮點數；
當函式括號內有乙個引數時，則返回秩為1的陣列，不能表示向量和矩陣；
當函式括號內有兩個及以上引數時，則返回對應維度的陣列，能表示向量或矩陣；
np.random.standard_normal（）函式與np.random.randn()類似，但是np.random.standard_normal（）的輸入引數為元組（tuple）.
np.random.randn()的輸入通常為整數，但是如果為浮點數，則會自動直接截斷轉換為整數。
6.tf.pow()
冪值計算函式
x = tf.constant([[2, 2], [3, 3]])
y = tf.constant([[8, 16], [2, 3]])
tf.pow(x, y) # [[256, 65536], [9, 27]]
Tensorflow學習筆記2
參考 1 classification分類學習 from tensorflow.examples.tutorials.mnist import input data mnist input data.read data sets mnist data one hot true mnist庫是手寫體數...
Tensorflow學習筆記No 2
函式式api相比於keras.sequential 具有更加靈活多變的特點。函式式api主要應用於多輸入多輸出的網路模型。利用函式式api構建神經網路主要分為3步，1.構建輸入層，2.構建中間層與輸出層並連線神經層，3.生成神經網路模型。輸入層的構建較為簡單，呼叫keras.input 方法來構建輸...
機器學習筆記（2）tensorflow學習
參考資料 單隱層前饋網路結構 問題描述 天氣氣溫，當輸入連續三小時的氣溫時，第四個小時的氣溫。資料 訓練集為20 24小時氣溫資料，測試集為10 24小時資料。網路結構為 3 7 1,即三個輸入神經元，七個隱層神經元，乙個輸出神經元。環境 python3.6.5和tensorflow1.2.1，im...