我们用tf.keras来创建神经网络：什么是tf.keras?,简单地说就是tensorflow中已经帮你封装好的一些包，它的作用是可以帮你快速搭建网络模型。我们以创建一个能自动识别图片里的数字的神经网络为例子：大致流程：其大致步骤如下：import：import相关模块，将你要用的模块引用到你的网络中来。比如from PIL import Imageimport numpy as npimpor

这次我们的目标如下：可以看到项目里面最大的挑战是控制船的倾翻角度。设计步骤：下面我们将按照这一设计步骤一步一步地来完成。计算重心，计算空载曲线把这两步合并在一起的原因是：船的重心其实就等于空载曲线下面排开水的部分的质心，所以当我们算出船的空载曲线时，船的重心也就出来了。可以看我的这篇文章来了解浮心的算法。我们计划的船型是一个100X30X20(cm)的船。为了方便计算与拼装，我们不妨设船舶的每一片

为什么需要卷积神经网络？当我们要处理的网络的特征值过多时，按照传统方法(搭建全连接层)搭建神经网络将会耗费大量空间：像这样的仅仅是搭建一层网络就会耗费N∗MN*MN∗M个空间。而当我们要处理一张512*512的三通道照片时，搭建网络所消耗的空间将非常巨大，于此同时所带来的时间消耗也会很大。于是，为了解决这样一类问题，我们就往神经网络中引入了卷积的概念。所以，顾名思义，卷积神经网络就是：卷积+神经网

为什么需要卷积神经网络？当我们要处理的网络的特征值过多时，按照传统方法(搭建全连接层)搭建神经网络将会耗费大量空间：像这样的仅仅是搭建一层网络就会耗费N∗MN*MN∗M个空间。而当我们要处理一张512*512的三通道照片时，搭建网络所消耗的空间将非常巨大，于此同时所带来的时间消耗也会很大。于是，为了解决这样一类问题，我们就往神经网络中引入了卷积的概念。所以，顾名思义，卷积神经网络就是：卷积+神经网

类型转换：tf.cast(张量名，detype=数据类型):将一种类型的tensor转化为另一种类型的tensor最大值,最小值,均值：tf.reduce_min(张量名)#返回最小值tf.reduce_max(张量名)#返回最大值tf.reduce_mean(张量名)#返回均值指定操作方向：详情见代码：import tensorflow as tfd = tf.constant([[1,2,3]

在上一章中，我们根据水花号的二维设计图构建出了它的三维模型。传送门本章会在上一章的基础上，计算水花号的船体重心。我们把水花号的船体的密度看作均匀分布的物体。那么大家应该都知道，一个密度均匀分布的三维物体的重心计算方法：X=∑i=1nxiNX=\frac { \sum_{i=1}^nxi }{N}X=N∑i=1n​xi​Y=∑i=1nyiNY=\frac { \sum_{i=1}^nyi }{N}Y