抱歉，您的浏览器无法访问本站

官方给出的例子，用多层 LSTM 来实现 PTBModel 语言模型，比如： tensorflow笔记：多层LSTM代码分析 感觉这些例子还是太复杂了，所以这里写了个比较简单的版本

我们来实现一个非常简单的两层 FC 全连接网络来完成 MNIST数据 的分类

上篇 PTB 数据集 batching 中我们介绍了如何对 PTB 数据集进行 连接、切割 成多个 batch，作为 NNLM 的输入。

本文将介绍如何采用 TensorFlow 实现 RNN-based NNLM。

PTB 数据集 batching 介绍, 如何对 PTB 数据集进行 连接、切割 成多个 batch。

重点了解 batch_size、num_batch、num_step 这三个概念。

学会用 Tensorflow 自带的 tensorboard 去可视化我们所建造出来的神经网络是一个很好的学习理解方式.

用最直观的流程图告诉你, 你的神经网络是长怎样,有助于你发现编程中间的问题和疑问.

这次提到了怎样建造一个完整的神经网络, 包括添加 神经层, 计算误差, 训练步骤, 判断是否在学习.

在 Tensorflow 里定义一个 添加层的函数， 可以很容易的 添加神经层, 为之后的添加省下不少时间.

tensorflow 中文文档学习 tensorflow 的基本用法。

Tensorflow 提供的一些 Activation Function tensorflow/api_guides/python/nn

现代神经网络中 必不可少的一个组成部分, 激励函数, activation function.

Tensorflow 是非常重视结构的, 我们建立好了神经网络的结构, 才能将数字放进去, 运行这个结构.

Tensorflow 首先要定义神经网络的结构, 然后再把数据放入结构当中去运算 和 training.

2015.10 开源的 TensorFlow 是由 Google brain 的工程师开发出来，用于机器学习和神经网络方面的研究