张量流的神经网络包装器
nn_wtf的Python项目详细描述
#nn wtf-tensorflow的神经网络包装器
nn wtf旨在为谷歌的机器学习库提供一个方便的包装器。
它的重点是使神经网络易于设置、训练和使用。
该库目前处于pre-alpha状态，尚未做任何有用的工作。
安装过程取决于您的系统。安装为python 3.4构建的tensorflow版本。
http://www.tensorflow.org/versions/r0.8/Get\u started/os\u setup.html 35;下载和安装
>了解详细信息。
不支持GPU的Linux安装示例：不支持GPU的Linux安装示例：
```` ` ` `
` ` ` ` ` ` ` `
` ` ` ` ` `
` ` ` ` ` ` ` ` ` `
` ` ` ` ` ` ` ` ` ` ` `>
nn-wtf本身
简单：
```
$pip install nn廑wtf
````
更有用的
文档将在该包达到alpha状态时准备就绪。
\*`训练（self，数据集，最大步数，精度，检查之间的步数，运行检查，批处理大小）`
*`get_predictor（）.predict（输入数据）`
*`mnistgraph`：适合处理mnist数据的neuralnetworkgraph的子类
*`neuralnetworkoptimizer`：优化神经网络的几何结构以进行快速训练测试的网络，输入大小，输出大小，训练精度，
层大小，学习速率，详细，批量大小）`
*`brute force最优网络几何（self，数据集，最大步数）`
尝试以下示例程序：
``python
from nn_wtf.mnist数据集从nn_wtf.mnist数据集导入mnist data sets
>from nn_wtf.mnist数据集从图导入mnist graph
import tensorflow as tf
data=mnistdatasets=mnistdatasets（'.'）
graph=mnistgraph（
>学习率=0.1，层大小=（64，64，64，64，16），列车运行列车运行目录='.'.
graph.train.traph.train（数据集，最大步数=5000，精度=0.95）
）
prediction=graph.get_predictor（）.predict（图像数据）
assert prediction==7
`````
>；从那时起，您现在就可以自己了。更多功能和文档
即将推出。
nn wtf旨在为谷歌的机器学习库提供一个方便的包装器。
它的重点是使神经网络易于设置、训练和使用。
该库目前处于pre-alpha状态，尚未做任何有用的工作。
安装过程取决于您的系统。安装为python 3.4构建的tensorflow版本。
http://www.tensorflow.org/versions/r0.8/Get\u started/os\u setup.html 35;下载和安装
>了解详细信息。
不支持GPU的Linux安装示例：不支持GPU的Linux安装示例：
```` ` ` `
` ` ` ` ` ` ` `
` ` ` ` ` `
` ` ` ` ` ` ` ` ` `
` ` ` ` ` ` ` ` ` ` ` `>
nn-wtf本身
简单：
```
$pip install nn廑wtf
````
更有用的
文档将在该包达到alpha状态时准备就绪。
\*`训练（self，数据集，最大步数，精度，检查之间的步数，运行检查，批处理大小）`
*`get_predictor（）.predict（输入数据）`
*`mnistgraph`：适合处理mnist数据的neuralnetworkgraph的子类
*`neuralnetworkoptimizer`：优化神经网络的几何结构以进行快速训练测试的网络，输入大小，输出大小，训练精度，
层大小，学习速率，详细，批量大小）`
*`brute force最优网络几何（self，数据集，最大步数）`
尝试以下示例程序：
``python
from nn_wtf.mnist数据集从nn_wtf.mnist数据集导入mnist data sets
>from nn_wtf.mnist数据集从图导入mnist graph
import tensorflow as tf
data=mnistdatasets=mnistdatasets（'.'）
graph=mnistgraph（
>学习率=0.1，层大小=（64，64，64，64，16），列车运行列车运行目录='.'.
graph.train.traph.train（数据集，最大步数=5000，精度=0.95）
）
prediction=graph.get_predictor（）.predict（图像数据）
assert prediction==7
`````
>；从那时起，您现在就可以自己了。更多功能和文档
即将推出。
欢迎加入QQ群-->： 979659372
