TensorFlow广度和深度学习的教程

x=df_data,

y=labels,

batch_size=100,

num_epochs=num_epochs,

shuffle=shuffle,

num_threads=5)

浏览数据之后，你可以练习并评估模型：

# 将 num_epochs 设置为 None，以获得无穷的数据流 
m.train( 
 input_fn=input_fn(train_file_name, num_epochs=None, shuffle=True), 
 steps=train_steps) 
# 在所稀有据被消费之前，为了运行评估，设置 steps 为 None 
results = m.evaluate( 
 input_fn=input_fn(test_file_name, num_epochs=1, shuffle=False), 
 steps=None) 
print("model directory = %s" % model_dir) 
for key in sorted(results): 
 print("%s: %s" % (key, results[key]))

深度模型是一个前馈神经收集，如前图所示。每一个稀少，高维度分类特点起首都邑被转换成一个低维度密集的实值矢量，平日被称为嵌入式矢量。这些低维度密集的嵌入式矢量与持续特点相连，然后在正向传递中馈入神经收集的隐蔽层。嵌入值随机初始化，并与其他模型参数一路练习，以最大年夜化削减练习损掉。如不雅你有兴趣懂得更多关于嵌入的常识，请在餐茨钐程 Vector Representations of Words 或在 Wikipedia 上查阅 Word Embedding。

安装

输出的第一行应当类似 accuracy: 0.84429705。我们可以看到应用广度和深度模型将广度线性模型精度约 83.6% 进步到了约 84.4%。如不雅你想看端对端的工作示例，你可以下载我们的示例代码。

请留意，本教程只是一个小型数据基的简单示例，为了让你快速熟悉 API。如不雅你有大年夜量具有稀少特点列和大年夜量可能特点值的数据集，广度和深度进修将会加倍强大年夜。此外，请随时存眷我们的研究论文，以懂得更多关于在实际中广度和深度进修在大年夜型机械进修方面若何应用的思虑。

【编辑推荐】

应用深度进修来猜测NBA比赛结不雅
自创数据集，用TensorFlow猜测股票教程
黑箱难题仍在阻碍深度进修的普及
若何用TensorFlow在安卓设备上实现深度进修揣摸
用深度进修和树搜刮进行大年夜零开端的既快又慢的进修

【义务编辑：庞桂玉 TEL：（010）68476606】

5/5 首页上一页 3 4 5

　　推荐阅读

　　张一鸣：探讨人工智能边界就是探讨人类文明边界

CTO练习营 | 12月3-5日，深圳，是时刻成为优良的技巧治理者了今日头条开创人兼CEO张一鸣我们要实现本身的愿景，必须在全球范围内去解决三个问题：第一个是应用处景的问题，这本质上是一个>>>详细阅读

本文标题：TensorFlow广度和深度学习的教程

地址：http://www.17bianji.com/lsqh/39382.html

1/2 1