TensorFlow监督学习实战笔记：图像分类、文本分类和模型保存
TensorFlow监督学习实战笔记记录用TensorFlow做监督学习的实战经验，包括图像分类、文本分类、模型保存和超参数调优。 回归 vs 分类 类型 应用场景 输出类型 常见算法 回归 房价预测、股价预测 连续值 线性回归、神经网络回归 分类 图像识别、垃圾邮件检测 离散类别 CNN、RNN、Transformer 核心概念： 训练数据：包含输入特征和对应标签 特征（Fe
标签：: 深度学习
TensorBoard使用笔记：训练过程可视化踩坑记录
TensorBoard使用笔记记录TensorBoard的安装配置和常用功能，TensorFlow和PyTorch都能用。 安装与启动12345678# 使用conda环境conda activate pythonProject2# 安装TensorBoardpip install tensorboard -i https://pypi.tuna.tsinghua.edu.cn/simple# 如
TensorFlow踩坑实录：从张量到神经网络的实战经验
TensorFlow踩坑实录：从张量到神经网络的实战经验折腾TensorFlow的时候踩了不少坑，记录一下核心概念和代码实现，主要是张量操作、Session管理和神经网络搭建这几个部分。 张量到底是什么TensorFlow用数据流图做计算，节点是数学操作，边是张量（多维数组）。名字就是这么来的——张量在节点间流动。 维度 实际对应 例子 0阶 单个数字 1 1阶 数组 [1, 2,
强化学习踩坑记录：从环境搭建到DQN实现
强化学习踩坑记录之前做强化学习项目时，从环境搭建到算法实现走了不少弯路，这里记录一下过程。 机器学习基础环境搭建CentOS环境TensorFlow安装Python 3.8安装在CentOS 7/8上使用yum从第三方仓库安装Python 3.8： 12345678910111213# 注册SCL仓库yum install -y centos-release-scl# 安装Python