A. tensorflow程序裡面預測為什麼寫在訓練模型之前
基本使用 使用 TensorFlow, 你必須明白 TensorFlow: 使用圖 (graph) 來表示計算任務. 在被稱之為 會話 (Session) 的上下文 (context) 中執行圖. 使用 tensor 表示數據. 通過 變數 (Variable) 維護狀態. 使用 feed 和 fetch 可以為任意的操作
B. tensorflow怎麼定義回歸准確率
程序員為什麼要學深度學習？ 深度學習本身是一個非常龐大的知識體系。本文更多想從程序員的視角出發，讓大家觀察一下深度學習對程序員意味著什麼，以及我們如何利用這樣一個高速發展的學科，來幫助程序員提升開發的能力。
C. tensorflow 保存好訓練的模型，restore 後驗證集的正確率很低
沒用過tensorflow，我從數據的角度想想
1、導入後隨機看幾個節點的權重參數，看看網路是不是正常保存了
2、是不是在數據歸一化的時候第一次你歸一化用的是test+train數據而第二次只用了test數據
3、網路裡面可以用了一些有隨機性的方法在比如隨機采樣之類的
4、用到了在線更新
D. 如何優雅地利用tensorflow預測時間序列
在剛剛發布的TensorFlow 1.3版本中，引入了一個TensorFlow Time Series模塊（源碼地址為：tensorflow/tensorflow，以下簡稱為TFTS）。TFTS專門設計了一套針對時間序列預測問題的API，目前提供AR、Anomaly Mixture AR、LSTM三種預測模型。
E. tensorflow cnn 分類怎麼只能預測一批樣本，不能預測一個樣本
預測一個樣本的時候同樣可以看做是預測一批樣本, 只不過這一批只有一個
X-test = [ x0,x1,x2 ... ]
model.predict(X-test)
或者 model.predict( [ x0 ] )
或者 model.predict( X-test[0:1] )
都是可以的
F. tensorflow實現了哪些演算法
在這樣的數據流圖中，有四個主要的元素：
* 操作(operations)
* 張量(tensors)
* 變數(variables)
* 會話(sessions)
G. tensorflow怎麼輸出預測的標簽
TensorFlow, 你必須明白 TensorFlow: 使用圖 (graph) 來表示計算任務
H. （tensorflow ）基於堆疊去噪自動編碼機，來訓練和預測交通流，求大神幫忙
我給你堆疊去噪自動編碼機一篇，原創，格式符合.
I. tensorflow 能拿到每個標簽的概率值嗎
交叉熵一開始是資訊理論上的概念，後來在機器學習中引入用來做誤差度量的，它反映的是預測值和實際值之間的誤差，機器學習通過不斷減少這個誤差，來達到構建預測模型的目的。如何通俗的解釋信息熵，交叉熵和相對熵
J. 如何加快tensorflow模型預測速度架構設計
1.用更高性能的GPU伺服器（最砸錢最省力的結果）
2.用flask或tensorflowserving做模型線上部署，可以省卻讀model的時間