机器学习,TensorFlow,深度学习
谁主沉浮---data
小小大数据
展开
-
TensorFlow完整神经网络样例
我把TensorFlowGPU版本装在了服务器上(当然现在有windows版本的TensorFlow了,你可以在你自己的笔记本上玩),编译器用的Pycharm,通过在pycharm上设置远程访问服务器的python解释器来完成下边代码的运行。 # coding=utf-8 """完整的神经网络解决二分类问题""" import tensorflow as tf from numpy.ran原创 2017-03-13 17:11:26 · 8554 阅读 · 1 评论 -
TensorFlow神经网络的训练过程
batch_size = n # 首先选取一小部分数据作为batch,此处定义batch的大小为n; # 每次读取一小部分数据作为当前的训练数据来执行反向传播算法。 x = tf.placeholder(tf.float32, shape=(batch_size, 2), name='x-input') y_ = tf.placeholder(tf.float32, shape=(原创 2017-03-14 10:45:09 · 789 阅读 · 0 评论 -
学习用tensorflow实现卷积神经网络中的卷积层随笔
1、因为交叉熵一般会与softmax回归一起使用,所以TensorFlow对这两个功能进行了统一的封装,并提供了tf.nn.softmax_cross_entropy_with_logits函数。比如可以直接通过下面的代码来实现使用了softmax回归之后的交叉熵损失函数: cross_entropy = tf.nn.softmax_cross_entropy_with_logits(y, y_原创 2017-03-14 15:34:49 · 2476 阅读 · 0 评论 -
用TensorFlow实现卷积神经网络中的池化层
卷积神经网络中卷积层之间往往会加上一个池化层。池化层可以非常有效的缩小矩阵的尺寸,从而减少最后全连接层中的参数。使用池化层既可以加快计算速度,也可以有防止过拟合问题的作用。 池化层前向传播的过程也是通过移动一个类似过滤器的结构完成的。不过池化层过滤器中的计算不是节点的加权和,而是采用更加简单的最大值或者平均值运算。使用最大值操作的池化层被称为最大池化层,这是被使用的最多的池化层结构原创 2017-03-14 17:02:11 · 3442 阅读 · 0 评论 -
TensorFlow高效读取数据——TFRecord
关于Tensorflow读取数据,官网给出了三种方法: 供给数据(Feeding): 在TensorFlow程序运行的每一步, 让Python代码来供给数据。从文件读取数据: 在TensorFlow图的起始, 让一个输入管线从文件中读取数据。预加载数据: 在TensorFlow图中定义常量或变量来保存所有数据(仅适用于数据量比较小的情况)。 对于数据量较小而言,可能一般选择直接将数据加载进原创 2017-03-24 09:51:19 · 2765 阅读 · 0 评论