tensorflow
SDUTyangkun
这个作者很懒,什么都没留下…
展开
-
TensorFlow 1.0 重大功能及改善
TensorFlow 1.0 重大功能及改善XLA(实验版):初始版本的XLA,针对TensorFlow图(graph)的专用编译器,面向CPU和GPU。TensorFlow Debugger(tfdbg):命令行界面和API。添加了新的python 3 docker图像。使pip包兼容pypi。TensorFlow现在可以通过 [pip install tensorflo转载 2017-09-27 10:49:49 · 500 阅读 · 0 评论 -
ubantu 下pip的卸载
最近下载jupyter notebook老是下载不下来,原因是pip版本太低, 于是升级pip但是版本还是原来的版本,查看方法是pip -V,于是卸载了pip,命令是 sudo apt-get remove python-pip,版本于是就成最新的了,嘎嘎嘎原创 2017-09-25 20:06:53 · 9479 阅读 · 0 评论 -
sofxmax sigmod
import tensorflow as tf#此时,权值构成了一个矩阵,而非向量,每个“特征权值列"对应一个输出类别W = tf.Variable(tf.zeros([4, 3]), name = "Weights")#每个偏置也是如此,每个偏置对应一个输出类b = tf.Variable(tf.zeros([3]), name = "bias")def inference(X):原创 2017-10-11 21:53:36 · 588 阅读 · 0 评论 -
tensorflow 非线性回归
#encoding:utf-8#encoding:utf-8import tensorflow as tfimport numpy as npimport matplotlib.pyplot as plt# 神经层函数参数, 输入值, 输入的大小, 输出的大小,激励函数(默认为空)def add_layer(inputs, in_size, out_size, activation_fu原创 2017-10-12 20:58:05 · 1456 阅读 · 0 评论 -
线性回归
import tensorflow as tf#初始化变量和模型参数, 定义训练闭环中运算W = tf.Variable(tf.zeros([2, 1]), name = "weights")b = tf.Variable(0.0, name = "bias")#计算推断模型在数据X上的输出, 并将结果返回def inference(X): return tf.matmul(X, W)原创 2017-10-12 21:02:27 · 272 阅读 · 0 评论 -
对数几率回归
从kaggle下载的泰坦尼克数据集import tensorflow as tf#对数几率回归参数和变量的初始化W = tf.Variable(tf.zeros([5, 1]), name="weights")b = tf.Variable(0.0, name="bias")#之前的推断现在用于值的合并def combine_inputs(X): return tf.matmul(X,原创 2017-10-12 21:04:59 · 611 阅读 · 0 评论 -
softmax分类
鸢尾花数据集。在数据集包含三个特征值及其三个可能的输出类(不同的鸢尾花),因此权值矩阵的维数应为4*3(下载链接)import tensorflow as tf#此时,权值构成了一个矩阵,而非向量,每个“特征权值列"对应一个输出类别W = tf.Variable(tf.zeros([4, 3]), name = "Weights")#每个偏置也是如此,每个偏置对应一个输出类b = tf.Var原创 2017-10-12 21:38:49 · 782 阅读 · 0 评论 -
学习Tensorflow遇到的一些不懂函数的学习
1.tf.argmax()a = tf.constant([[1,5,3], [4,2,6]])sess = tf.Session()print sess.run(tf.argmax(a, 0))#[1 0 1]print sess.run(tf.argmax(a, 1))#[1 2]#argmax()函数返回最大值的索引,0返回每一列原创 2017-10-11 21:51:16 · 456 阅读 · 0 评论 -
Tensorflow手写数字识别
import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_data#载入数据集mnist = input_data.read_data_sets("MNIST_data", one_hot = True)#批次大小batch_size = 100#计算一共有多少个批次n_batch = mni原创 2017-10-15 11:16:35 · 622 阅读 · 0 评论