第三章:基础模型
线性回归
逻辑回归
Word2Vec(Word Embedding)
第四章:神经网络
逻辑斯谛回归示例:
使用TensorFlow v2库实现逻辑斯谛回归,此示例使用简单方法来更好地理解训练过程背后的所有机制...1, num_features])
# 将像素值从[0,255]归一化为[0,1]
x_train,x_test = x_train / 255, x_test / 255
# 使用tf.data api...return tf.nn.softmax(tf.matmul(x,W) + b)
# 交叉熵损失函数
def cross_entropy(y_pred, y_true):
# 将标签编码为一个独热编码向量...y_true = tf.one_hot(y_true, depth=num_classes)
# 压缩预测值以避免log(0)错误
y_pred = tf.clip_by_value...step: 400, loss: 489.062988, accuracy: 0.847656
step: 450, loss: 496.466675, accuracy: 0.843750
step: 500