上述步骤是我们使用TensorFlow进行算法设计与训练的核心步骤，贯穿于具体实践中。

TensorFlow–TensorBoard可视化利用TensorBoard可视化TensorFlow运行状态TensorBoard是TensorFlow的可视化工具通过Tensor Flow程序运行过程中输出的日志文件可视化TensorFlow程序的运行状态TensorBoard和TensorFlow...

TensorFlow2虽然和TensorFlow1.x有较大差异，不能直接兼容。但实际上还是提供了对TensorFlow1.x的API支持

必须在模型的其他操作运行之前先明确地完成变量初始化，最简单的方法是添加一个给所有变量初始化的操作，并在模型使用前首先运行该操作

特殊情况需要人工更新，可以变量赋值语句assign()来实现 还可以assign_add(),assign_sub()方法来实现变量的加法和减法值更新

Google于去年早些时候发布了TensorFlow 2.0，这是对现有TensorFlow 1.0的重大飞跃。

从本专栏开始，作者正式研究Python深度学习、神经网络及人工智能相关知识。前一篇文章分享了卷积神经网络CNN原理，并通过Keras编写CNN实现了MNIST分类学习案例。这篇文章将详细讲解循环神经网络RNN的原理知识，并采用Keras...

从本专栏开始，作者正式研究Python深度学习、神经网络及人工智能相关知识。前一篇文章详细讲解了Keras实现分类学习，以MNIST数字图片为例进行讲解。本篇文章详细讲解了卷积神经网络CNN原理，并通过Keras编写CNN实现了MNIST...

Tensorboard 是 TensorFlow 的一个附加工具，可以记录训练过程的数字、图像等内容，以方便研究人员观察神经网络训练过程。可是对于 PyTorch 等其他神经网络训练框架并没有功能像 Tensorboard 一样全面的类似工具，一些已有...

这次只记录我在实验中遇到的情况和略懂的几点，多余的我没有怎么看【笑哭】，一个是因为懒，一个是因为官网介绍页太少了8，有点心塞~~ 开门见山，关于Tensorflow读取数据，官网给出了三种方法，分别是： 1.供给数据(Feeding)： 在Tenso...