tensorflow
huahuahuahhhh
一步一步,慢慢来
展开
-
tfrecord文件生成与读取
参考博客——tensorflow-TFRecord 文件详解1. 生成tfrecord文件代码#1.创建tfrecord对象tf_record=tf.python_io.TFRecordWriter(tf_record_name)tf.train.Int64List(value=list_data)tf.train.FloatList( )tf.train.BytesList()tf.train.Feature(int64_list=)tf.train.Feature(float_l原创 2020-07-10 00:11:12 · 784 阅读 · 1 评论 -
tensorboard可视化
建完计算图后,保存日志writer = tf.summary.FileWriter('logs',graph=tf.get_default_graph())writer.flush()在终端运行tensorboard --logdir=./logslogs是日志存放的文件夹\03 tensorflow>tensorboard --logdir=./logs在浏览器输入http://localhost:6006查看计算图...原创 2020-05-16 10:12:09 · 325 阅读 · 0 评论 -
tensorflow实现原理
1 tensorflow四个重要组件2 单机模式与多机模式2 设备name4 单机模式执行情况5 多机模式执行情况5.1 多机模型下的通信原创 2020-05-13 21:16:21 · 288 阅读 · 0 评论 -
tensorflow基本概念
一、tesorflow基本概念二、计算图一个机器学习任务的核心是模型的定义以及模型的参数求解方式,对这两者进行抽象之后,可以确定一个唯一的计算逻辑,将这个逻辑用图表示,称之为计算图。计算图表现为有向无环图,定义了数据的流转方式,数据的计算方式,以及各种计算之间的相互依赖关系等三、操作3.1 运算操作定义类操作的类型,以及参与运算的数据的类型3.2 tensorflow中的运算符变量运算指的是element wise运算四、变量4.1 创建变量通过tf.Variables()函数创建原创 2020-05-13 21:10:24 · 807 阅读 · 0 评论 -
tensorflow中的交叉熵损失
tf.nn.softmax_cross_entropy_with_logits传入的 labels是one-hot编码,logits未使用softmax,import tensorflow as tflogits=tf.constant([[1.0,2.0,5.0],[1.0,2.0,3.0],[1.0,2.0,3.0]])y_=tf.constant([[0.0,0.0,1.0],[0.0,0.0,1.0],[0.0,0.0,1.0]])#dont forgettf.reduce_sum()!!原创 2020-05-13 10:09:10 · 252 阅读 · 0 评论