#
今年来人工智能的概念越来越火，AlphaGo以4：1击败李世石更是起到推波助澜的作用。作为一个开挖掘机的菜鸟，深深感到不学习一下deep learning早晚要被淘汰。 既然要开始学，当然是搭一个深度
这篇文章主要讲TensorFlow中的Session的用法以及Variable。 Session会话控制 Session是TensorFlow为了控制和输出文件的执行语句，运行session.run(
如果最小二乘线性回归算法最小化到回归直线的竖直距离（即，平行于y轴方向），则戴明回归最小化到回归直线的总距离（即，垂直于回归直线）。其最小化x值和y值两个方向的误差，具体的对比图如下图。
采用最小二乘的求逆方法在大部分情况下是低效率的。特别地，当局镇非常大时效率更低。另外一种实现方法是矩阵分解，此方法使用tensorflow内建的Cholesky矩阵分解法。Cholesky矩阵分解法把
Google提供了一个工具，TensorBoard，它能以图表的方式分析你在训练过程中汇总的各种数据，其中包括Graph结构。 所以我们可以简单的写几行Pyhton，加载Graph，只在logdir里
我就废话不多说了，直接上代码吧！ #!/bin/bash # -*-coding=utf-8-*- import re import os import sys import numpy as n
以此文记录Python与Tensorflow及其开发环境的安装与配置过程，以备以后参考。 1 硬件与系统条件 Win7 64位系统，显卡为NVIDIA GeforeGT 635M 2 安装策略 a
将训练好的模型参数保存起来，以便以后进行验证或测试，这是我们经常要做的事情。tf里面提供模型保存的是tf.train.Saver()模块。 模型保存，先要创建一个Saver对象：如 saver=t
tensorflow由于其基于静态图的模式，导致写代码的时候很难调试，除了用官方的调试工具外，最直接的方法就是把中间结果输出出来查看，然而，直接用print函数只能输出tensor变量的形状，而不是数
tensorflow下设置使用某一块GPU（从0开始编号）： import os os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID" os.environ
