📅  最后修改于: 2021-01-11 10:36:09             🧑  作者: Mango
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。
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:
以下是运算符的基本概念:
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,在下一节学习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,在我们的例子中,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 ,它会接受这两个输入1和2,然后输出三个。我们有一个乘法运算,所以乘法运算说两次乘以一,所以输出为2。下面是图形。
占位符-一个“空”节点,需要提供一个值来计算输出。
变量-它是图形的可变参数。
Graph- Global Variable连接操作的变量和占位符。
会议:我们需要执行会议中的所有操作。我们将确保以正确的顺序实现节点。
在这里,我们完成了运算符和图形部分。