TensorFlow 2.0 实战
针对深度学习模型的 TensorFlow 实现
FlameAlpha
荒诞之余也常伴理性,不是吗?
展开
-
简单线性回归模型的 Python 实现
观察数据获取:def get_data(b = 0.089, w = 1.477, x_range=(-10.,10.), gauss=0.1): data = []# 保存样本集的列表 for i in range(100): # 循环采样 100 个点 x = np.random.uniform(x_range[0], x_range[1]) # 随机采样输入 x # 采样高斯噪声 eps = np.random.normal(0., gauss) # 得到模型的输出 y =转载 2020-05-18 18:03:41 · 674 阅读 · 0 评论 -
Tensorflow 之 CPU/GPU计算效率对比
import numpy as npimport matplotlibfrom matplotlib import pyplot as pltplt.close()# Default parameters for plotsmatplotlib.rcParams['font.size'] = 20matplotlib.rcParams['figure.titlesize'] = 20matplotlib.rcParams['figure.figsize'] = [9, 7]matp转载 2020-05-22 17:28:22 · 1800 阅读 · 0 评论 -
Tensorflow 之 张量类型
常量类型在 Tensorflow 中任何变量都需要转换为 Tensorflow 可以识别的类型,当然作为变量的特殊形式(不可改变)常量需要使用 tf.constant 存储或转换为张量类型 tf.Tensor ,当然可能不太贴切,所以Tensorflow 也创建了函数 tf.convert_to_tensor 实现了一样的功能,以常见的类型为例:tf.constant(1) # 标量 shape 为 []tf.constant(1.2) # 标量 shape 为 []tf.constant(True翻译 2020-05-25 16:06:35 · 1334 阅读 · 0 评论 -
Tensorflow 之 张量操作
改变形状通过 tf.reshape(x, new_shape),可以对张量的视图进行任意的合法改变x=tf.range(96)x=tf.reshape(x,[2,4,4,3])增删维度增加维度:增加一个长度为 1 的维度相当于给原有的数据增加一个新维度的概念,维度长度为 1,故数据并不需要改变,仅仅是改变数据的理解方式,因此它其实可以理解为改变视图的一种特殊方式。通过 tf.expand_dims(x, axis) 可在指定的 axis 轴前可以插入一个新的维度:x = tf.random.u原创 2020-05-28 17:45:09 · 965 阅读 · 0 评论 -
Keras 之 多层感知机(MLP)
这里以 mnist 数据集为例,代码如下:import tensorflow as tffrom tensorflow.keras import datasets, layers, optimizers, Sequential, metrics# 设置GPU使用方式# 获取GPU列表gpus = tf.config.experimental.list_physical_devices('GPU')if gpus: try: for gpu in gpus:原创 2020-06-01 11:19:53 · 727 阅读 · 0 评论 -
Keras 之 多层感知机的详细实现
本文中以 0~9 数字图片识别,首先准备图片数据,这里使用到的是 MNIST 数据集,借助 Keras 实现:import osimport tensorflow as tf # 导入 TF 库from tensorflow import keras # 导入 TF 子库from tensorflow.keras import layers, optimizers, datasets # 导入 TF 子库(x, y), (x_val, y_val) = datasets.mnist.load_da转载 2020-05-24 11:15:05 · 1011 阅读 · 0 评论 -
Keras 之 自编码器(Auto Encoder)
这里以 fashion_mnist 数据集为例,先写出自编码器的基本实现代码如下:import osimport tensorflow as tfimport numpy as npfrom tensorflow import kerasfrom tensorflow.keras import Sequential, layersfrom PIL import Imagefrom matplotlib import pyplot as plttf.random原创 2020-06-01 11:27:37 · 1356 阅读 · 3 评论