1.顺序建模方式1.model = tf.keras.Sequential()model.add(tf.keras.layers.LSTM(100,activation="relu"))model.add(tf.keras.layers.Dense(2,activation="sigmoid"))model.compile(optimizer=tf.keras.optimizers.Adam(0.

常常会遇到自定义网络结构的情况，自定结构后往往会有多个输入，或者还需要自定义loss或者accuracy函数，那么keras的fit就无法使用了，因此需要自定义训练步骤下面则自定义一次batch的训练步骤，包含了计算loss，accuracy和梯度下降。tensorflow2.0 主推eager模式，那么tf.GradientTape则是eager模式下的利器，自动计算梯度并传递最后别忘了加@tf

偏差度量了学习算法的期望预测和真实结果的偏离程度，刻画的是算法本身的拟合能力；方差度量了同样大小的数据集下数据变动导致学习性能的变化，刻画的是数据扰动造成的影响。当数据集小时，此时偏差占据主导地位，误差是由偏差决定的，当学习算法学习能力过强时，这时学到了整个训练数据集的所有特点，此时进行预测，即使一个很小特征的波动都会对最终结果产生很大的影响，这个时候是方差占据主导地位。...

偏差度量了学习算法的期望预测和真实结果的偏离程度，刻画的是算法本身的拟合能力；方差度量了同样大小的数据集下数据变动导致学习性能的变化，刻画的是数据扰动造成的影响。当数据集小时，此时偏差占据主导地位，误差是由偏差决定的，当学习算法学习能力过强时，这时学到了整个训练数据集的所有特点，此时进行预测，即使一个很小特征的波动都会对最终结果产生很大的影响，这个时候是方差占据主导地位。...