前向传播:
看最下面的计算过程:
1.输入特征是一行四列的,是要判断是哪种花的输入特征的个数,格式。
2.第二个随机初始化,是说起初神经网络的各参数都是随机给出的。我们看到有三列,分别表示每种花的特征权重,
3.计算结果有一行三列,代表是每种花的可能性。
结合这个再去理解神经网络的图。
损失函数:
因为变量是随机初始化的,所以开始输出的结果几乎没有任何的意义。
梯度下降和学习率:
张量:
支持的类型:
创建一个张量:
看上面的程序:
对shape进行解释:shape用几个逗号隔开就表明是几维的,数字表示大小,如上,一维的大小为2
将numpy格式转化为tensor格式:
创建特殊的张量:全0,全1,全指定值。
生成正态分布:
生成均匀分布随机数:
扫描二维码关注公众号,回复:
10844504 查看本文章