机器学习—TensorFlow实现
继续运行手写数字识别的示例，识别此图像，一个0还是1，我们所使用的是神经网络架构，其中有一个输入X，然后是第一个隐藏层，有25个单位，第二个隐藏层，有15个单元，然后一个输出单元，将得到一组由图像x组成的训练示例，以及地面真相标签Y。
如何训练这个神经网络的参数
和之前所写的类似，在这里要求TensorFlow按顺序串在一起，神经网络的这三层，第一个隐藏层，有25个单位和Z状结肠激活，第二个隐藏层有15个，最后是输出层；第二步是要求tensorflow编译模型，其关键步骤是指定要使用的损失函数是什么，在这种情况下，将使用一种神秘的稀疏名称——范畴交叉熵，指定了损失函数之后，第三步是调用fit函数，它告诉TensorFlow拟合在步骤一中使用损失指定的模型，或者在第二步中指定的数据集x y的成本函数，当我们谈到梯度下降时，我们必须决定梯度下降要走多少步或者梯度下降要跑多长时间，所以纪元是一个专业术语，对于像梯度下降这样的学习算法，你可能想要运行多少步。
总结一下，第一步是指定告诉TensorFlow的模型，如何计算推理，第二步是使用特定的损失函数编译模型，第三步是训练模型。