深度强化学习 Deep Q-Learning 练习
import tensorflow as tfimport numpy as npimport gymimport randomimport osfrom _collections import dequeos.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'# Initi
查看全文Tensorflow2
import tensorflow as tfimport numpy as npimport gymimport randomimport osfrom _collections import dequeos.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'# Initi
查看全文import tensorflow as tffrom tensorflow.keras import layers, optimizers, datasets, Sequentialimport osos.environ['TF_CPP_MIN_LOG_LEVEL']='2'tf.ran
查看全文1、保存参数(accuracy可能有稍微的变化)# 根据前面的步骤,已经创建了networknetwork.save_weights('weights.ckpt')# 删除模型del network# 恢复模型,模型的创建方式必须和以前的一样,否则不可用network = Sequential([l
查看全文1、自定义一层网络自定义类需要继承layers.Layerclass MyDense(layers.Layer):def __init__(self, inp_dim, outp_dim):super(MyDense, self).__init__()self.kernel = self.add_v
查看全文1、complie因为在深度学习中,很多代码都有重复性,所以用complie组件,代替了重复代码network.compile(optimizer=optimizers.Adam(lr=0.01),loss=tf.losses.CategoricalCrossentropy(from_logits=
查看全文1、Kears.Metrics 方法介绍1.1 自动计算均值loss# 创建一个loss_meterloss_meter = metrics.Mean()# 把计算完的loss传入loss_meter,自动计算平均lossloss_meter.update_state(loss)loss_resul
查看全文1、前言 TensorBoard是一款可以监听Tensorflow 数据变化的页面可视化插件1.1 安装pip install tensorboard1.2 运行选择一个数据监听路径,然后tensorflow同样选择这个路径,可以实现数据传播tensorflow --logdir logs
查看全文1、数据集数据集使用的是Fashion mnist, 主要是衣服鞋子的图片。2、代码讲解datasets:自动下载导入数据包的库layers:调用全连接库optimizers:参数更新步长,learning rateSequential: 串连接容器metrics: 指标(Accuracy,Mean
查看全文1、MSE (Mean Squared Error)公式:$loss=\sum(y-y')^2$注意:如果没有声明变量tf.Variable(),则需要用watch选择变化参数,tape.watch([w, b])代码:import tensorflow as tfx = tf.random.nor
查看全文