a18852867035的博客

好消息，Google开源的Tensorflow框架终于可以支持Windows平台了！这是对广大windows系统用户是多么美妙的一件事！下面讲解如何安装Tensorflow(Windows版)。   首先，你得先安装python;这里我直接使用的是Anaconda,这就省得自己再去安装好多包。       其次，打开控制台命令窗口：输入pip install tensorflow,

自动编码器是一种比较好理解的神经网络结构。它是一种无监督的学习特征方法（从自己到自己）。下面以一个例子来介绍。使用的数据集：[数据集](https://archive.ics.uci.edu/ml/machine-learning-databases/00310/)，下载后进行解压。首先给出完整代码：#coding=utf-8#用sklearn对数据集进行处理import tensorfl

快一周没写博客了，总觉得缺少点什么。最近忙着写论文、改论文也没什么时间写。好了，不废话了，直接上干货，利用RNN进行分类。RNN主要用于序列数据的处理，在图像、语音、文本等领域有着广泛的应用。这里使用RNN对手写体进行识别（0-9共10类）。 代码如下：#coding=utf-8import tensorflow as tfimport numpy as numpyfrom tensorfl

再次利用卷积神经网络对手写体进行识别；卷积神经网络是一种非常强大的神经网络模型（可应用于图像识别，语音处理等领域）。下面将给出源码：#coding = utf-8import tensorflow as tfimport numpy as npfrom tensorflow.examples.tutorials.mnist import input_datamnist = input_dat

这一节继续使用谷歌的image_retain作为模型进行训练。下载文件： https://github.com/tensorflow/tensorflow。 使用examples中的image_retraining进行训练： 运行命令：python tensorflow/tensorflow/examples/image_retraining/retrain.py --bottleneck_d

本节内容训练一个简单的神经网络模型，用来判断声音是男是女；这是一个简单的神经网络分类实例。 数据集字段：声音属性与标签； 具体代码如下：#coding=utf-8import osimport requestsimport pandas as pdimport numpy as npimport randomimport tensorflow as tffrom sklearn.c

RNN是一种非常强大的神经网络模型，它的输入输出都是一个向量序列。RNN就是为了序列数据建模而产生的，广泛的应用在视频、图像以及文本序列中。这里我们将介绍一个简单的RNN应用实例–RNN生成古诗词。 数据集：poetry.txt 1.训练文件 train.py# -*- coding: utf-8 -*-import collectionsimport tensorflow as tfim

Google把自家生成图片的技术 Inceptionism 开源化，称之为 Deep Dream ，一个原本用来将图片分类的AI，让我们看到不一样的世界~在把一张图片喂入之后，选择某一层神经网路（Google 的神经网路有 10-30 层）进行重复处理的次数和变形的程度，就能获得一张非常后现代的「画作」。 数据集： 1)https://pan.baidu.com/s/1kVSA8z9 (密码:

Google把自家生成图片的技术 Inceptionism 开源化，称之为 Deep Dream ，一个原本用来将图片分类的AI，让我们看到不一样的世界~在把一张图片喂入之后，选择某一层神经网路（Google 的神经网luo有 10-30 层）进行重复处理的次数和变形的程度，就能获得一张非常后现代的「画作」。 1)下载模型，解压。 下载模型，解压 2）加载预训练的模型，训练。#coding=u

找工作的事情暂时告一段落，感觉还需要不断提升自己，不说多少了，直接步入正题。 语音识别是人机交互、人工智能等领域必不可少的一个研究领域，下面就以该例为标准。 使用的数据集：THCHS30（Dong Wang, Xuewei Zhang, Zhiyong Zhang发布的开放语音数据集）； 地址： 语音文件：http://data.cslt.org/thchs30/zip/wav.tgz

先前博客一文中曾经用tensorflow0.12打造过聊天机器人。最近由于tensorflow版本的快速更新，并且对以前版本的不兼容性，这里将tensorflow聊天机器人中的seq2seq_model.py和seq2seq.py代码进行修改。 tensorlow1.41)修改seq2seq_model.py:# Copyright 2015 The TensorFlow Authors. All

深度学习在图像分类领域已经取得长足地进展，以下以一个有趣的例子来学习图像分类算法。 训练数据：人脸数据集（链接: https://pan.baidu.com/s/1gf4FQD1 密码: ddkx） 环境:tensorflow,python3.5 1)加载数据集并对数据进行处理age_table = ['(0, 2)', '(4, 6)', '(8, 12)', '(15, 20)', '(2

Deep Q Network是DeepMind最早(2013年)提出来的，是深度强化学习方法。最开始AI什么也不会，通过给它提供游戏界面像素和分数，慢慢把它训练成游戏高手。这里首先给出一个基本的游戏例子，然后再给出强化学习方法。 1.基本游戏#coding=utf-8import pygamefrom pygame.locals import *import sysBLACK =(0,0,

TensorFlow可被用于语音识别或图像识别等多项机器深度学习领域，它可在小到手机、大到数千台服务器上运行。前段时间在做有关情感分类的实验，利用了神经网络对数据进行分类；效果还不错，达到80+%。 数据集来源：评论数据集，中文的，很不容易，感谢作者！ pos数据 neg数据数据处理：import randomdef loadfile(): neg = pd.read_excel('

废话就不多说了，直接上干货。 1.变量的创建 tensoflow创建变量使用tf.Variable();需要指明变量的形状b = tf.Variable(tf.zeros([1]))W = tf.Variable(tf.random_uniform([1, 2], -1.0, 1.0))如这里的w,b就是所要创建的变量。2.初始化 变量的初始化，需要在变量操作运行前执行。# 初始化变量in

现在很多卖货公司都使用聊天机器人充当客服人员，许多科技巨头也纷纷推出各自的聊天助手，如苹果Siri、Google Now、Amazon Alexa、微软小冰等等。前不久有一个视频比较了Google Now和Siri 哪个更智能，貌似Google Now更智能。        本帖使用TensorFlow制作一个简单的聊天机器人。这个聊天机器人使用中文对话数据集进行训练（使用什么数据

本帖展示怎么使用TensorFlow实现文本的简单分类，判断评论是正面的还是负面的。      使用的数据集neg.txt：5331条负面电影评论(http://blog.topspeedsnail.com/wp-content/uploads/2016/11/neg.txt)pos.txt：5331条正面电影评论 (http://blog.topspeedsnail.com/wp

Tensorflow谷歌开源的机器学习库，备受大家喜爱。下面讲解一些必备的基本知识。 tensorflow的运行流程主要有2步，分别是构造模型和训练。 在这之前，讲几个概念： tensorflow中的有几概念:Tensor,Variable,placeholder,session 1.概念 1.1 Tensorimport tensorflow as tf # 在下面所有代码中，，默认已经

Seq2SeqModel已经广泛应用在机器翻译，QA问答，人工对话等一些自然语言处理问题中。其中tensorflow中有现成的框架，下面将进行介绍：机器翻译中的seq2seq的模型框架及相应参数;Seq2SeqModel(source_vocab_size, target_vocab_size, buckets,

错误名称：Tensorflow - ValueError: Parent directory of trained_variables.ckpt doesn’t exist, can’t saveThis is my line of code :saver.save(sess, "trained_variables.ckpt")出现上述错误，解决方案如下： １）该路径应为：＂．／trained_v

example1:with tf.variable_scope("try"): #先创建两个变量w1， w2 w2 = tf.get_variable("w1",shape=[2,3,4], dtype=tf.float32) w3 = tf.get_variable("w2", shape=[2, 3, 4], dtype=tf.float32) #使用reuse_

全局环境下编写代码import tensorflow as tfflags = tf.flags #flags是一个文件：flags.py，用于处理命令行参数的解析工作logging = tf.logging#调用flags内部的DEFINE_string函数来制定解析规则flags.DEFINE_string("para_name_1","default_val", "description

最近写tensorflow程序，出现了一些bug,苦苦困扰了我好久，最终终于明白是变量共享问题。

最近由于科研需要，使用了一段时间的tensorflow框架，也被蹂躏了很长一段时间。最终，下定决心，将其认真的学习一遍。一、tensorflow安装 首先保证你得先安装了python环境，如果你使用的windows环境，必须保证python是3.5.2，因为tensorflow windows版本只支持这一版本。 建议下载地址：Anaconda3下载地址

以一个softmax回归例子来讲解；MNIST数据集的官网是Yann LeCun’s website。在这里，我们提供了一份python源代码用于自动下载和安装这个数据集。你可以直接复制粘贴到你的代码文件里面。 input_data.py:#coding=utf-8# Copyright 2015 Google Inc. All Rights Reserved.## Licensed und

几乎所有的tensorflow机器学习代码都有一些共同的特点，以下就其工作方式，进行讲解：1）输入与占位符（Inputs and Placeholders） tf.placeholder操作，定义传入图表中的shape参数，shape参数中包括batch_size值，后续还会将实际的训练用例传入图表。images_placeholder = tf.placeholder(tf.floa

有一段时间没用tensorflow了，现在跑实验还是存在一些坑了，主要是关于张量计算的问题。tensorflow升级1.0版本后与以前的版本并不兼容，可能出现各种奇奇怪怪的问题。1 tf.concat函数 tensorflow1.0以前函数用法：tf.concat(concat_dim, values, name=’concat’)，第一个参数为连接的维度，可以将几个向量按指定维度连接起来。