![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Tensorflow
文章平均质量分 77
IT菜小白
这个作者很懒,什么都没留下…
展开
-
LSTM
1.LSTM的结构:图中各关键部分的含义:LSTM 的关键就是状态,水平线在图上方贯穿运行。细胞状态类似于传送带。直接在整个链上运行,只有一些少量的线性交互。信息在上面流传保持不变会很容易。LSTM有三个门,门是一种让信息选择式通过的方法。他们包含一个 sigmoid 神经网络层和一个按位做 乘法操作。转载 2018-01-30 21:49:57 · 3114 阅读 · 0 评论 -
Tensorflow中的RNN以及LSTM
先了解RNN:每个RNNCell都有一个call方法,使用方式是:(output, next_state) = call(input, state)。每调用一次RNNCell的call方法,就相当于在时间上“推进了一步”,这就是RNNCell的基本功能。import tensorflow as tfimport numpy as npcell = tf.nn.r转载 2018-02-01 14:54:02 · 3779 阅读 · 0 评论 -
多线程输入数据处理框架
经典输入数据处理流程图:指定原始数据的文件列表--->创建文件列表队列-->从文件中读取数据-->数据预处理-->整理成batch作为神经网络的输入。队列也是TF多线程输入数据处理框架的基础。队列和变量类似,都是计算图上有状态的节点。修改队列状态的操作主要有:Enqueue、EnqueueMany、DequeueTF中提供了FIFOQueue(先进先出)和RandomShuffleQueu原创 2018-01-29 20:39:53 · 438 阅读 · 0 评论 -
TF--组合训练数据
从文件列表中读取单个样例已在上一篇博文中提到,这次是将单个样本组合成一个batch。单一文件多线程,选用tf.train.batch(打乱样本有对应的tf.train.shuffle_batch);对于多线程多文件,一般选用tf.train.batch_join(打乱样本同样也有对应的tf.train.shuffle_batch_join)示例代码(来源于Tensorflow实战谷歌深原创 2018-01-29 23:02:48 · 403 阅读 · 0 评论 -
TF输入数据处理框架
1.用 tf.train.match_filenames_once() 获取存储训练数据的文件列表。(数据已转为 TFRecord 格式的多个文件)2.用 tf.train.string_input_producer() 创建输入文件队列,可以将输入文件顺序随机打乱(shuffle = True)3.用 tf.TFRecordReader() 读取TFrecords文件中的数据。4.用原创 2018-01-30 15:46:50 · 963 阅读 · 0 评论 -
TF--LSTM
分享一段有报错的代码,希望万能的博友能帮我找找错误在哪(代码出处源于TF实战谷歌深度学习框架)import tensorflow as tfimport numpy as npimport readerDATA_PATH = "/home/cvx/Downloads/PTB/simple-examples/forme"HIDDEN_SIZE = 200 # ---隐藏层的规模...原创 2018-03-03 09:22:28 · 404 阅读 · 0 评论