TensorFlow从0到1系列回顾 到目前为止，我们已经研究了梯度下降算法、人工神经网络以及反向传播算法，他们各自肩负重任： 梯度下降算法：机...

TensorFlow从0到1系列回顾 上一篇 11 74行Python实现手写体数字识别展示了74行Python代码完成MNIST手写体数字识别...

TensorFlow从0到1系列回顾 上一篇 9 “驱魔”之反向传播大法引出了反向传播算法——神经网络的引擎，并在最后窥探了它的全貌。本篇将详细...

TensorFlow从0到1系列回顾 创世纪 2:7： “耶和华神用地上的尘土造人，将生气吹在他鼻孔里，他就成了有灵的活人。” 上一篇8 万能函...

TensorFlow从0到1系列回顾 之前花了不小的篇幅来解释线性回归，尽管线性模型本身十分简单，但是确定模型参数的过程，却是一种数据驱动的、自...

TensorFlow从0到1系列回顾 上一篇 6 解锁梯度下降算法解释清楚了学习率（learning rate）。本篇基于对梯度下降算法和学习率...

TensorFlow从0到1系列回顾 上一篇 5 TF轻松搞定线性回归，我们知道了模型参数训练的方向是由梯度下降算法指导的，并使用TF的封装tf...

TensorFlow从0到1系列回顾 上一篇 第一个机器学习问题 其实是一个线性回归问题（Linear Regression），呈现了用数据来训...

TensorFlow从0到1系列回顾 上一篇TensorFlow的内核基础介绍了TF Core中的基本构造块，在介绍其强大的API之前，我们需要...

TensorFlow从0到1系列回顾 上一篇Hello, TensorFlow!中的代码还未解释，本篇介绍TensorFlow核心编程的几个基本...