class3 tensorflow 反向傳播

反向傳播--->訓練模型引數，在所有引數上用梯度下降，使nn模型再訓練資料上的損失函式最小。

損失函式（loss）：**值（y）與已知答案（y_）的差距

均方誤差mse：

loss=tf.reduce_mean(tf.square(y,y_))

train_step=tf.train.gradientdescentoptimizer(learning_rate).minimize(loss)  梯度下降

train_step=tf.train.momentumoptimizer(learning_rate,momentum).minimize(loss)momentum優化器
train_step=tf.train.adamoptimizer(learning_rate).minimize(loss)  adam優化

#tf_3_3.py

#建立乙個兩層網路，輸入層2，中間層3，輸出層1
import tensorflow as tf
import numpy as np
batch_size=10
seed=23455
#虛擬樣本，基於seed生成隨機數
rng=np.random.randomstate(seed)
#隨機生成
x=rng.rand(80,2)
#生成標籤 0、1
y=[[int(x0+x1<1)] for (x0,x1) in x]
print("x:",x)
print("y:",y)
x=tf.placeholder(tf.float32)
y_=tf.placeholder(tf.float32)
w1=tf.variable(tf.random_normal([2,3],stddev=1,seed=1))
w2=tf.variable(tf.random_normal([3,3],stddev=1,seed=1))
w3=tf.variable(tf.random_normal([3,1],stddev=1,seed=1))
a=tf.matmul(x,w1)
b=tf.matmul(a,w2)
y=tf.matmul(b,w3)
#定義loss和反向傳播方法
learning_rate=0.001
loss=tf.reduce_mean(tf.square(y-y_))
train_step=tf.train.gradientdescentoptimizer(learning_rate).minimize(loss)
#train_step=tf.train.momentumoptimizer(learning_rate,momentum=0.1).minimize(loss)
#train_step=tf.train.adamoptimizer(learning_rate,beta1=0.9,beta2=0.999).minimize(loss)
with tf.session() as sess:
init_op=tf.global_variables_initializer()
sess.run(init_op)
steps=3000
for i in range(steps):
start=(i*batch_size)%80
end=start+batch_size
sess.run(train_step,feed_dict=)
if i%300 == 0:
total_loss=sess.run(loss,feed_dict=)
print("%d:loss:%g",i,total_loss)

搭建神經網路的八股：準備，前傳，反傳，迭代

1.準備：  import

常量定義

生成資料集

2.前傳：定義輸入、引數、和輸出

x=y_=

w1=w2=w3a

by3.反向傳播：定義損失函式、反向傳播方法

loss=

train_step=

4.生成會話、訓練steps輪

with tf.session() as sess:

3 高精度 密碼 普通 class

description 在浩浩茫茫的蒼穹深處，住著玉帝和他的神僕們，他們閒談著下界的凡人俗事，對人世間表現的聰明智慧型，大加讚賞。今天他們正在觀賞大地風光人情之際，忽然從遙遠的東海之濱傳來一陣歡笑聲，玉帝縱目望去，只見鎮海中學內聚集了全寧波的中小學精英學生，他們要幹什麼呢？原來他們都在做一種破譯密碼...

標準的AS3中的Class

含有多個類的類檔案toycar.as package sample.car 內，必須且只能定義乙個class，包外類 可定義多個 private function init void public function run void 以下carbody和cartire兩個類，是在package 外面...

AngularJS 3種方案處理class

from 在angular中為我們提供了3種方案處理class scope變數繫結，如上例。不推薦使用 字串陣列形式。物件key value處理。1.scope變數繫結，如下例。不推薦使用 function ctr scope 2.物件key value處理主要針對複雜的class混合，其形如 fu...