TensorFlow中神经网络的实现示例分析

神经网络是机器学习的基本类型。它遵循数据预处理, 模型构建和模型评估的手动M1工作流程。

我们将开始使用Python进行面向对象的编程和super关键字。

现在, 让我们通过Anaconda Navigator在系统中启动Jupiter笔记本电脑。

首先, 我们必须打开Anaconda Navigator, 然后从那里启动Jupyter Notebook。

之后, 一个命令将自动在我们的系统中运行, 如下所示。

然后, 下面的页面将打开我们必须编写代码的位置。

然后单击文件并启动编辑器。

现在, 它将成功在我们的系统中打开。

然后, 我们必须在下面的编码部分中了解简单的功能：

操作符

以下是运算符的基本概念：

作业等级
- 输入节点
- 输出节点
- 全局默认图变量
- 计算
  - 被扩展类覆盖

图形

图是全局变量。我们使用此术语图是因为张量流从图上流出, 当我们在下一节了解TensorFlow基础知识时将重申它。我们可以将图想象为节点列表的一种。在这种情况下, 我们有一个简单的图, 其中我们有两个常量, 分别是两个节点n1和n2, 每个节点分别是常量1和2, 然后馈入某种运算。因此, 在我们的案例中, 我们拥有这种选择操作类, 然后该操作类将被其他类继承。

因此, 例如, 我们可以添加一个继承操作类的类, 在这种情况下, 由于1 + 2 = 3, 它接受了这两个输入1和2, 然后输出了三个。我们有一个乘法运算, 因此乘法运算说两次乘以一, 因此输出为2。下面是图形。