本章我们将从生物神经元开始学习人工神经网络。哺乳动物的大脑有数十亿个神经元。神经元是人脑中相互连接的神经细胞。神经元参与处理和传递化学信号和电信号，它们接受信号输入，在细胞核中处理信号，如果信号强度大于某个阈值，就会把信号输出。人类的大脑可以学习识别物体。例如，婴儿多次看到椅子，并听父母说这是椅子，随着时间推移，他们将...

具有感知、学习、推理和解决问题等认知功能的机器被认为拥有人工智能。当机器具有认知能力时，人工智能就产生了。人类在相关领域的能力是人工智能的衡量标准。弱人工智能 弱人工智能执行特定任务，甚至比人类做得更好，例如，围棋人工智能AlphaGo。弱人工智能是目前人工智能的主要研究领域。强人工智能 强人工智能...

循环神经网络(RNN)是一种用于处理序列数据的人工神经网络，序列数据是相互依赖的（有限或无限）数据流，比如时间序列数据、信息性的字符串、对话等。长短时记忆网络(LSTM)是一类特殊的循环神经网络，具有学习长时依赖关系的能力，是目前最常用的循环神经网络。注意:关于循环神经网络的介绍，可参考我们的教程深度学习–...

卷积神经网络（CNN）旨在解决图像识别问题，卷积神经网络在图像识别、机器视觉等方面有着广泛的应用。这张杭州天际线的图片，可以看到很多建筑和颜色。那么计算机是如何处理这幅图像的呢?图像由像素组成，像素表示图像中的一个颜色点。例如，一个40×30的图像，表示宽40个像素，高30个像素，总共有1200个像素。根据...

生物神经元人脑有数十亿个神经元。神经元是人脑中相互连接的神经细胞，参与处理和传递化学信号和电信号。以下是生物神经元的重要组成部分:树突 –从其他神经元接收信息的分支细胞核 –处理从树突接收到的信息轴突 –一种被神经元用来传递信息的生物电缆突触 ...

数学中的回归是指，现实中的变量之间存在一种函数关系，通过一批样本数据找出这个函数关系，即通过样本数据回归到真实的函数关系。线性回归/LinearRegression是指，一些变量之间存在线性关系，通过一批样本数据找出这个关系，线性关系函数的图形是一条直线。线性函数的方程如下：y=wx+by=wx+b线性回归就是根据一批...

TensorBoard是一个工具，可以图形化显示TensorFlow程序（神经网络），还可以显示许多训练过程中的指标数据，如损失、准确度或权重等。TensorBoard可以帮助用户更好地理解、调试和优化TensorFlow程序。下面是一个线性回归模型的图形：TensorBoard通过读取TensorFlow事件日志文件...

前面章节都是低阶API的介绍，有助于我们理解TensorFlow的基础知识。为方便开发人员，TensorFlow提供了高阶API，包括以下模块：Keras，用于构建和训练深度学习模型的TensorFlow高阶API。EagerExecution，一个以命令方式编写TensorFlow代码的API，就像使用NumPy一样...

TensorFlow中，会话（Session）表示计算图一次执行的上下文，也被称为TensorFlow运行时。TensorFlow应用大致可以分为2个部分：使用计算图定义神经网络结构创建会话运行神经网络(计算图)我们将通过一个例子来加深理解。示例本例完成以下操作：创建两个张量常量创建一个操作打开一个会话打印结果impo...

下面的代码在内存中创建一个默认计算图。importtensorflowastfx=tf.Variable(3,name="x")y=tf.Variable(4,name="y")f=x*x*y+y+2代码中声明了变量和函数，这将会在内存中创建一个默认计算图。默认计算图是TensorFlow默认生成的计算图。>&g...

占位符允许稍后赋值，通常用于存储样本数据。要创建占位符，可使用tf.placeholder方法。语法tf.placeholder(dtype,shape=None,name=None)说明dtype:数据类型shape:占位符的维数，可选。默认情况下，值为赋值数据的形状name:占位符的名称，可选声明一个占位符:imp...

变量存储可变化的值，例如可用于存储可训练参数：权重和偏置。要创建一个变量，可以使用tf.get_variable()方法。tf.get_variable(name="",values,dtype,initializer)参数name="":变量名称values:指定变量形状dtype:数据类型，可选initialize...

我们已经知道怎么创建张量，现在来学习张量运算。TensorFlow包含了许多基本的张量运算操作，让我们从一个简单的平方运算开始。要进行平方运算，可以使用tf.sqrt(x)函数，x是一个浮点数。importtensorflowastfx=tf.constant([2.0],dtype=tf.float32)print(...

张量中的所有元素只能有一种数据类型。可以使用张量属性dtype获取数据类型。importtensorflowastfm_shape=tf.constant([[10,11],[12,13],[14,15]])print(m_shape.dtype)输出<dtype:'int32'>在某些情况下，你希望更改数...

张量的形状描述了张量中每个维度的元素数量。打印张量时，TensorFlow会输出张量的形状，你也可以直接获取张量的形状属性。importtensorflowastf#张量形状m_shape=tf.constant([[10,11],[12,13],[14,15]])m_shape.shape输出TensorShape(...