神經網路中常用的生成隨機數/陣列的函式
解釋tf.random_normal()
生成正態分佈隨機數
tf.truncated_normal()
生成去掉過大偏離點（超過偏差）的正太分布的隨機數
tf.random_uniform()
生成平均分布的隨機數
tf.zeros()
全0陣列，tf.zeros([3, 2], int 32)，生成[[0, 0], [0, 0], [0, 0]]
tf.ones()
全1陣列，tf.ones([3, 2], int 32)，生成[[1, 1], [1, 1], [1, 1]]
tf.fill()
全定值陣列，tf.zeros([3, 2], 6)，生成[[6, 6], [6, 6], [6, 6]]
tf.constant()
直接給值，tf.constant([3, 2, 1])，生成[3, 2, 1]
tf.random_normal()
[2, 3]
stddev = 2
mean = 0
seed
正態分佈
生成2*3矩陣
標準差為2
均值為0
隨機種子（去掉的話，每次生成的隨機數將不一致）
② w=tf.variable(tf.truncated_normal([2,3],stddev=2, mean=0, seed=1))，
表示去掉偏離過大的正態分佈，也就是如果隨機出來的資料偏離平均值超過兩個標準差，這個資料將重新生成。
③ w=random_uniform(shape=7,minval=0,maxval=1,dtype=tf.int32，seed=1),
表示從乙個均勻分布[minval maxval)中隨機取樣，注意定義域是左閉右開，即包含 minval，不包含 maxval。
注意：
①隨機種子如果去掉每次生成的隨機數將不一致。
②如果沒有特殊要求標準差、均值、隨機種子是可以不寫的
神經網路相關引數
關於建立 神經網路 段的引數說明 net feedforwardnet n,trainlm n為隱藏層大小，預設為10 trainlm 是被指定的訓練函式 levenberg marquardt 演算法t p net.trainparam.goal 0.001 goal是最小均方誤差的訓練目標 ne...
卷積神經網路引數
卷積神經網路 convolutional neural network,cnn 是深度學習技術中極具代表的網路結構之一，在影象處理領域取得了很大的成功，在國際標準的imagenet資料集上，許多成功的模型都是基於cnn的。cnn相較於傳統的影象處理演算法的優點之一在於，避免了對影象複雜的前期預處理過...
sklearn神經網路引數
下面寫了乙個超級簡單的例項，訓練和測試資料是mnist手寫識別資料集 from sklearn.neural network import mlpclassifier import gzip import pickle with gzip.open mnist.pkl.gz as f gz trai...