TensorFlow Probability是一个构建在TensorFlow之上的Python库。它将我们的概率模型与现代硬件(例如GPU)上的深度学习结合起来。

前言 本文假设大家对CNN、softmax原理已经比较熟悉，着重点在于使用Tensorflow对CNN的简单实践上。

实验目的 1.掌握使用TensorFlow进行逻辑回归 2.掌握逻辑回归的原理 实验原理 逻辑回归是机器学习中很简答的一个例子，这篇文章就是要介绍如何使用tensorflow实现一个简单的逻辑回归算法。

1.tensorflow的运行流程 tensorflow的运行流程主要有2步，分别是构造模型和训练。 在构造模型阶段，我们需要构建一个图(Graph)来描述我们的模型。

也许你已经下载了TensorFlow，而且准备开始着手研究深度学习。但是你会疑惑：TensorFlow里面的Tensor，也就是“张量”，到底是个什么鬼？也许你查阅了维基百科，而且现在变得更加困惑。

TensorFlow系统架构 TensorFlow设计十分精巧，基于分层和模块化的设计思想进行开发的。框架如下图 整个框架以C API为界，分为前端和后端两大部分。

本文主要探索如何使用深度学习框架 MXNet 或 TensorFlow 实现线性回归模型？并且以 Kaggle 上数据集 USA_Housing 做线性回归任务来预测房价...

1.placeholder 占位符 可以通过run方法传入值 测试代码如下： 1 # encoding:utf-8 2 3 import tensorflow as tf 4 5 # placeholder

checkpoint 文件夹 Tensorflow训练后的模型可以保存checkpoint文件，checkpoint文件是结构与权重分离的四个文件，便于训练。

import tensorflow as tfimage=tf.image.decode_jpeg(tf.read_file("./1.jpg"), channels=3)sess=tf.InteractiveSession

在TensorFlow中基于lstm构建分词系统笔记（一） 前言 我打算基于lstm构建一个分词系统，通过这个例子来学习下TensorFlow中如何训练循环递归神经网络。

像所有TensorFlow常数一样，它不需要任何输入，它输出一个内部存储的值。我们可以创建两个浮点型常量node1 ...

在机器学习领域，Tensorflow和Pytorch是两个非常流行的框架。它们都提供了许多工具和功能来帮助我们实现各种机器学习模型。

摘要：本文将探讨PyTorch和TensorFlow这两种流行深度学习框架之间的关键相似点和不同点。为什么选择这两个框架，而不是其他的呢？

我们通常采用tensorflow来训练，训练完之后应当保存模型,即保存模型的记忆（权重和偏置），这样就可以来进行人脸识别或语音识别了...

tensorflow是非常流行的深度学习框架，其2.0版本与其1.0版本也有较大不同，因此笔者就近期对tensorflow2.0的基本操作的学习进行记录，以供日后查阅...

正是因为这些原因，以线性回归作为开始学习TensorFlow的开始。

tensorflow2.0 安装 首先打开anaconda，执行 conda create --name tf2.0 python=3.7 建立一个名为tf2.0的虚拟环境。

tf.nn.relu()函数是将大于0的数保持不变...

2016年3月，Google的围棋人工智能程序AlphaGo以4∶1的大比分战胜人类选手李世石，又在2017年5月，以3∶0的比分战胜人类排名第一的围棋选手柯洁，在全球引起广泛关注，掀起了一波人工智能的热潮。其实，在我们普通人的平时生活中，从智能手机的语音助手，到相机的人脸识别，人工智能已经悄悄融入我们的生活，未来也将更加深刻影响我们的生活。 早在2015年11月9日，为加速深度学习的发展...