ZacheryZHANG

1. 手写数字识别功能完善 本文将继续进行手写数字识别案例开发，主要针对于模型功能的完善进行案例演示，主要考虑从以下几个方面对上一篇文章介绍的案例进行完善。 考虑增加准确率计算 开启Tensorboa

1. 多分类问题 思考一个问题，神经网络输出的结果如何解决分类问题呢？解决多分类问题，一个常用的方法就是：我们主要考虑在logistic后加上Softmax分类映射，输出分类的概率，进而进行分类。 从

1. 读取TFRecords文件 其实读取TFRecords文件大体思路与常规文件读取思路比较一致。但是，还是有一点不一样，在解码操作之前，需要解析Example操作（因为TFRecords比其他文件

1. TFRecords文件读取 TFRecords文件其实是一种二进制文件，虽然它不如其他格式好理解，但是它能更好的利用内存，更方便复制和移动，并且不需要单独的标签文件。比如，数据集中的特征值和标签

1. 三种获取数据到TensorFlow程序的方法 QueueRunner：基于队列的输入管道从TensorFlow图形开头的文件中读取数据 Feeding：运行每一步时，Pyhon代码提供数据 预加

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第21天，点击查看活动详情 本文主要任务是继续完成Tensorflow线性回归案例开发，在训练好的模型基础上继续完善，为变量增加命

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第20天，点击查看活动详情 1. 案例回顾 上一篇文章我们搭建了完整线性回归模型并进行1000轮训练，达到了较为不错的效果。本文将

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第19天，点击查看活动详情 首先我们简单回归一下案例的要求。 1. 线性回归案例需求 案例需求： 本案例我们将使用TensorFl

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第18天，点击查看活动详情 1. 高级API tf.keras：Keras本来是一个独立的深度学习库，tensorflow将其加入