tensorflow
Lulifer。
计算机视觉+深度学习
展开
-
tensorflow1-构建线性模型
预设一个线性模型: y = x*w + b(w = 0.1,b = 0.2) x是给定的输入数据 使用tensorflow构建一个模型,开始的时候,w和b全部给成0,让其训练,使其接近预设的模型。即让w接近0.1,b接近0.2 代码: import tensorflow as tf import numpy as np x_data = np.random.rand(100) y_da...原创 2019-05-16 15:18:41 · 330 阅读 · 0 评论 -
tensorflow2-构造全连接神经网络
整体描述: 使用随机数,生成样本数据,作为输入,然后经过中间的隐藏层,对数据进行拟合。 网络结构: 1个输入单元,10个隐含单元,1个输出单元。 y# -*- coding: utf-8 -*- """ Created on Thu May 16 10:49:34 2019 @author: 666 """ import tensorflow a...原创 2019-05-16 15:35:24 · 1170 阅读 · 7 评论 -
tensorflow5-构造简单的卷积神经网络
网络结构: 输入 --> 卷积层1 --> 池化层1 --> 卷积层2 --> 池化层2 --> 全连接层1 -- 全连接层1 -->输出层 图片大小的尺度变化: 输入 : 784*1 卷积层1 : 28*28*32 池化层1 : 14*14*32 卷积层2 : 14*14*64 池化层2 : 7*7*64 全连接层1 : 1024 全...原创 2019-05-25 21:35:53 · 261 阅读 · 0 评论 -
tensorflow3-手写数字识别
网络结构: 28*28个输入单元,200个中间单元,10个输出单元 代码: # -*- coding: utf-8 -*- """ Created on Fri May 17 19:39:39 2019 @author: 666 """ import tensorflow as tf from tensorflow.examples.tutorials.mnist import inpu...原创 2019-05-18 16:14:34 · 224 阅读 · 0 评论 -
tensorflow4-tensorboard应用
重要知识点总结 1. 命名空间的应用 with tf.name_scope('input'): 2. scalar、histogram、image 等的使用 tf.summary.scalar('stddev', stddev)#标准差 tf.summary.scalar('max', tf.reduce_max(var))#最大值 tf.summary.scalar('min', t...原创 2019-05-23 20:14:14 · 158 阅读 · 0 评论 -
tensorflow8-使用inception-v3做各种图像的识别
主要实现功能:使用下载好的 inception 模型对图像进行识别 imagenet_2012_challenge_label_map_proto.pbtxt 文件:主要是id 和 uid 之间的对应关系 imagenet_synset_to_human_label_map.txt 主要是 uid 和 类别名称之间的对应关系 代码如下所示: # -*- coding: ut...原创 2019-06-13 13:03:49 · 377 阅读 · 1 评论 -
tensorflow6-构造简单的RNN(LSTM)
神经网络的结构: 输入层--> 隐藏层 ---> 输出层 输入层 : 28*28 隐藏层 : 10 个 输出层 :10 LSTM 的原理在这里不做赘述,仅仅是为了了解代码的实现过程 代码如下: # -*- coding: utf-8 -*- """ Created on Sat May 25 20:19:28 2019 @author: 666 """ impo...原创 2019-06-04 19:34:54 · 312 阅读 · 1 评论 -
tensorflow7-下载inception3模型
实现任务: 1. 从tensorflow 官网上将 inception3 的模型下载下来,进行保存。 2. 在 tensorboard 里面将inception3 的模型结构进行可视化。 # -*- coding: utf-8 -*- """ Created on Tue Jun 4 17:12:10 2019 @author: 666 """ import tensorflow as...原创 2019-06-04 19:43:52 · 389 阅读 · 0 评论