没讲为什么2个隐藏层，每个隐藏层的神经元是512个，为什么用relu激活函数

彭老师，您在解释训练过程中第一轮val_acc比acc高的时候出现了一处问题：通过对比数据可以发现，横坐标0实际上对应着第1轮训练完成后的结果（因为横坐标的范围是0到4，同时纵坐标的值也可以佐证），所以横坐标为0时，val_acc和acc不都应该是第一轮训练结果之后的值吗。同时，有个问题想要请教：为什么训练数据也会有准确率（acc）？这个准确率（acc）是怎么算出来的？

彭老师，我好像找到原因了，模型参数的问题，我应该是开始训练的时候，模型参数没有清除。我把输出都清除之后，从头开始训练就差不多。

我的训练的时候的耗时和loss的值以及准确率怎么跑出来的结果和您的不一样呢 Train on 60000 samples, validate on 10000 samples Epoch 1/5 - 10s - loss: 0.1820 - acc: 0.9474 - val_loss: 1.1927 - val_acc: 0.9260 Epoch 2/5 - 9s - loss: 0.1601 - acc: 0.9524 - val_loss: 0.9594 - val_acc: 0.9404 Epoch 3/5 - 9s - loss: 0.1408 - acc: 0.9582 - val_loss: 0.9494 - val_acc: 0.9411 Epoch 4/5 - 10s - loss: 0.1234 - acc: 0.9637 - val_loss: 0.9348 - val_acc: 0.9420 Epoch 5/5 - 10s - loss: 0.1086 - acc: 0.9678 - val_loss: 0.9655 - val_acc: 0.9401

correct_indices = np.nonzero(predicted_classes == y_test)[0] 这为什么要加一个[0]？javascript:;

老师, 这个例子里面, 用的keras , 这个算是tensorflow吗, 为啥不用ts呢, 不是keras能做的ts不都能做吗 , 不是面向ts实战吗

# 绘制错误的手写体数字，其中A为正确标签 fig = plt.figure() for i in range(15): plt.subplot(3,5,i+1) # 绘制前 15 个手写体，以 3 行 5 列子图形式展示 plt.tight_layout() # 自适应子图尺寸 plt.imshow(x_test[incorrect_indices[i]], cmap='Greys') plt.title("{} A:{}".format(predicted_classes[incorrect_indices[i]],y_test[incorrect_indices[i]])) # 设置对应标签为子图标题 plt.xticks([]) # 删除 x 轴标记 plt.yticks([]) # 删除 y 轴标记

怎么讲着讲着变成keras了，现在国内很多一线互联网公司还是tf1.10-15