28_动手实现TensorFlow–反向传播Backpropagation
本章节我们将实现：找出各参数对Cost的影响，弄清该如何改变参数使得Cost最小化。我们不能指望盲目改变参数值却能得到正确的结果。弄清每个参数对Cost的影响的技术是反向传播，它的本质是一个链式规则。
阅读更多
文章
21_自己的TensorFlow–MiniFlow
在这个章节我们将创建自己的深度学习框架，自己的TensorFlow。
TensorFlow是目前最流行的开源神经网络框架，TensorFlow™是一个开放源代码软件库，用于进行高性能数值计算。借助其灵活的架构，用户可以轻松地将计算工作部署到多种平台（CPU、GPU、TPU）和设备（桌面设备、服务器集群、移动设备、边缘设备等）。TensorFlow™ 最初是由 Google Brain 团队（隶属于 Google 的 AI部门）中的研究人员和工程师开发的，可为机器学习和深度学习提供强力支持，并且其灵活的数值计算核心广泛应用于许多其他科学领域。
阅读更多
19_神经网络–反向传播
上节我们认识到增加隐藏层可以解决更为复杂的非线性问题，也计算出了各隐藏层节点的输入与输出值。现在问题来了，我们要怎样才能够让这种多层感知器的网络进行权重的学习呢？本节将介绍深度学习的基础：反向传播
阅读更多