A. tensorflow程序里面预测为什么写在训练模型之前
基本使用 使用 TensorFlow, 你必须明白 TensorFlow: 使用图 (graph) 来表示计算任务. 在被称之为 会话 (Session) 的上下文 (context) 中执行图. 使用 tensor 表示数据. 通过 变量 (Variable) 维护状态. 使用 feed 和 fetch 可以为任意的操作
B. tensorflow怎么定义回归准确率
程序员为什么要学深度学习？ 深度学习本身是一个非常庞大的知识体系。本文更多想从程序员的视角出发，让大家观察一下深度学习对程序员意味着什么，以及我们如何利用这样一个高速发展的学科，来帮助程序员提升开发的能力。
C. tensorflow 保存好训练的模型，restore 后验证集的正确率很低
没用过tensorflow，我从数据的角度想想
1、导入后随机看几个节点的权重参数，看看网络是不是正常保存了
2、是不是在数据归一化的时候第一次你归一化用的是test+train数据而第二次只用了test数据
3、网络里面可以用了一些有随机性的方法在比如随机采样之类的
4、用到了在线更新
D. 如何优雅地利用tensorflow预测时间序列
在刚刚发布的TensorFlow 1.3版本中，引入了一个TensorFlow Time Series模块（源码地址为：tensorflow/tensorflow，以下简称为TFTS）。TFTS专门设计了一套针对时间序列预测问题的API，目前提供AR、Anomaly Mixture AR、LSTM三种预测模型。
E. tensorflow cnn 分类怎么只能预测一批样本，不能预测一个样本
预测一个样本的时候同样可以看做是预测一批样本, 只不过这一批只有一个
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实现了哪些算法
在这样的数据流图中，有四个主要的元素：
* 操作(operations)
* 张量(tensors)
* 变量(variables)
* 会话(sessions)
G. tensorflow怎么输出预测的标签
TensorFlow, 你必须明白 TensorFlow: 使用图 (graph) 来表示计算任务
H. （tensorflow ）基于堆叠去噪自动编码机，来训练和预测交通流，求大神帮忙
我给你堆叠去噪自动编码机一篇，原创，格式符合.
I. tensorflow 能拿到每个标签的概率值吗
交叉熵一开始是信息论上的概念，后来在机器学习中引入用来做误差度量的，它反映的是预测值和实际值之间的误差，机器学习通过不断减少这个误差，来达到构建预测模型的目的。如何通俗的解释信息熵，交叉熵和相对熵
J. 如何加快tensorflow模型预测速度架构设计
1.用更高性能的GPU服务器（最砸钱最省力的结果）
2.用flask或tensorflowserving做模型线上部署，可以省却读model的时间