神经网络实现

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。

无涯教程将开始使用面向对象编程和Python中的super关键字。

现在，通过 Anaconda Navigator 在系统中启动Jupyter。

首先，必须打开Anaconda Navigator，然后从那里启动 Jupyter Notebook 。

之后，命令将在无涯教程的系统中自动运行下面。

然后，下面的页面将打开必须编写代码的位置。

然后单击文件并启动编辑器。

现在，它将成功在系统中打开。

然后，必须在下面的编码部分中了解简单的函数:

运算符

以下是运算符的基本概念:

• Operation Class
  • Input Nodes
  • Output Nodes
  • Global Default Graph Variable
  • Compute
    • Overwritten by extended classes

图形

图是全局变量。无涯教程使用这个术语图是因为张量流从图上流出，当在下一节中了解TensorFlow基础知识时将重申它。可以将图想象为节点列表的一种。在这种情况下，有一个简单的图，其中有两个常量，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，在例子中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，它接受了这两个输入1和2，然后输出了三个。 有一个乘法运算，因此乘法运算说两次乘以一，因此输出为2。下面是图形。

Placeholder(占位符) - 一个"空"节点，需要提供一个值来计算输出。

Variables(变量)          - 它是图形的可变参数。

Graph(图形)                - 用于操作的全局变量连接变量和占位符。

Session(会话)     -  无涯教程需要执行会话中的所有操作。将确保以正确的顺序实现节点。

在这里，无涯教程完成了运算符和图形部分。