目录一、基础理论1、TensorFlow2、TensorFlow过程1、构建图阶段2、执行图阶段（会话）二、TensorFlow实例（执行加法）1、构造静态图1-1、创建数据（张量）1-2、创建操作（节点）2http://www.cppcns.com、会话（执行）
目录读取数据集读取小批量整合所有组件目前广泛使用的图像分类数据集之一是MNIST数据集。如今，MNIST数据集更像是一个健全的检查，而不是一个基准。
我们可以通过高级API更简洁地实现多层感知机。 import torch from torch import nn from d2l import torch as d2l
目录扰动的鲁棒性实践中的dropout简洁实现扰动的鲁棒性 在之前我们讨论权重衰减（L2正则化）时看到的那样，参数的范数也代表了一种有用的简单性度量。简单性的另一个有用角度是编程客栈平滑性，即函数不应该对
目录互相关运算卷积层特征映射由于卷积神经网络的设计是用于探索图像数据，本节我们将以图像为例。
目录填充步幅 上图中，输入的高度和宽度都为3，卷积核的高度和宽度都为2，编程客栈生成的输出表征的维度JDlBs为 22 2\\times2 22。从上图可看出卷积的输出形状取决于输入形状和卷积核的形状。
目录多输入通道多输出通道 11卷积层虽然每个图像具有多个通道和多层卷积层。例如彩色图像具有标准的RGB通道来指示红、绿和蓝。但是到目前为止，我们仅展示了单个输入和单个输出通道的简化例子。这使得我们可以将
目录最大汇聚层和平均汇聚层填充和步幅多个通道我们的机器学习任务通常会跟全局图像的问题有关（例如，“图像是否包含一只猫呢？”），所以我们最后一层的神经元应该对整个输入的全局敏感。通过逐渐聚合信息，生成越
目录LeNet模型训练在本节中，我们将介绍LeNet，它是最早发布的卷积神经网络之一。这个模型是由AT&T贝尔实验室的研究院Yann LeCun在1989年提出的（并以其命名），目的是识别手写数字。当时，LeNet取得了与支持向量
目录VGG块VGG网络训练模型与芯片设计中工程师从放置晶体管到逻辑元件再到逻辑块的过程类似，神经网络结构的设计也逐渐变得更加抽象。研究人员开始从单个神经元的角度思考问题，发展到整个层次，现在又转向模块，重复
加载中,请稍侯......