pointnet train 第十句correct = tf.equal(tf.argmax(pred, 1), tf.to_int64(labels_pl))

最新推荐文章于 2021-07-31 19:53:55 发布
最新推荐文章于 2021-07-31 19:53:55 发布
阅读量748 收藏
点赞数
分类专栏： pointnet 文章标签： tensorflow
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/guyuezunting/article/details/106984829
版权 
correct = tf.equal(tf.argmax(pred, 1), tf.to_int64(labels_pl))

首先看tf.argmax(pred,1)因为pred,是32，40的tensor，40那一维是40个模型中对应的概率，取最大的一个索引作为预测值，最后得到shape 32的tensor然后跟shape 32的labels_pl相比，即tf.equal,得到32的tensor，类型为bool

 

guyuezunting
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
tensorflow学习笔记（一）
jx的博客
07-05 338
（1）tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, data_format=None, name=None)除去name参数用以指定该操作的name，与方法有关的一共五个参数： 第一个参数input：指需要做卷积的输入图像，它要求是一个Tensor，具有[batch, in_height, in_width...
tf.equal()
weixin_36670529的博客
10-14 1509
tf.equal( x, y, name=None ) 返回(x == y)元素的真值。 参数： x: 张量。必须是以下类型之一:bfloat16、half、float32、float64、uint8、int8、int16、int32、int64、complex64、quint8、qint8、qint32、string、bool、complex128。 y:...
tensorflow tf.argmax() 用法 例子
Candy_GL的博客
10-08 1569
转自：https://blog.csdn.net/Jiaach/article/details/78874704 argmax()官方文档如下： tf.argmax(input, dimension, name=None)  Returns the index with the largest value across dimensions of a tensor.  Args:  inpu...
TensorFlow之多核GPU的并行运算
weixin_30429201的博客
03-13 662
tensorflow多GPU并行计算 TensorFlow可以利用GPU加速深度学习模型的训练过程，在这里介绍一下利用多个GPU或者机器时，TensorFlow是如何进行多GPU并行计算的。 首先，TensorFlow并行计算分为：模型并行，数据并行。模型并行是指根据不同模型设计不同的并行方式，模型不同计算节点放在不同GPU或者机器上进行计算。数据并行是比较通用简便的实现大规模并行方式，同时使...
基于LSTM的情感分类案例：Tensorflow代码
满腹的小不甘
05-22 2901
整理中。。。 情感分析（Sentiment analysis），又称倾向性分析，包含较多的任务，如意见抽取（Opinion extraction），意见挖掘（Opinion mining），情感挖掘（Sentiment mining），主观分析（Subjectivity analysis）。它是对带有情感色彩的主观性文本进行分析、处理、归纳和推理的过程，如从评论文本中分析用户对“...
equal_pred.rar_ARGUMENT!
09-24
Valid flags for the 3rd argument to the function that is passed as the second argument to ftw(3) and nftw(3).
matlab.zip_CloudSat_Matlab cloudsat_matlab 图像_matlab.zip hdf_
07-15
normalized_data = rescale(data, [min_value max_value], [0 1]); ``` 这里，`min_value`和`max_value`分别是原始数据的最小值和最大值。 在描述中提到的`simple3ol`可能指的是一个简单的三线图（three-overlap ...
05 实验五 数据存储和提供器.rar_equal1mb_安卓_安卓通讯录_通讯录
09-15
在安卓平台上，构建一个通讯录应用是开发人员经常会遇到的任务。这个"实验五：数据存储和提供器"的教程，主要关注的是如何有效地管理和存储通讯录数据，以及如何利用Android系统提供的数据提供器来实现这一功能。...
display_obj.zip_.obj_.obj用什么打开_display_obj（）_matlab 打开obj_obj 3d
07-14
1. **安装图形处理工具箱**：MATLAB的标准版本并不直接支持`.obj`文件的读取和显示。为了在MATLAB中处理这类文件，你需要安装一个名为`graphics_toolkit`的额外工具箱，如`patch_obj`或`read_obj`函数。这些工具箱...
HW6.rar_.HW6文件_NOISE_spectral bandwidth_visible light_www.6hw·co
07-14
In other words, the signal contains equal power within a fixed bandwidth at any center frequency. White noise draws its name from white light in which the power spectral density of the light is ...
「深度学习一遍过」必修2：快速入门模型训练
闭关修炼——暂退
07-31 3193
本专栏用于记录关于深度学习的笔记，不光方便自己复习与查阅，同时也希望能给您解决一些关于深度学习的相关问题，并提供一些微不足道的人工神经网络模型设计思路。专栏地址：「深度学习一遍过」必修篇 目 录 1 总观整体代码 2 代码细致解读 2.1 训练 2.1.1 导入库 2.1.2 加载数据集 2.1.3 定义数据加载器 2.1.4 创建模型 2.1.5 选择优化函数 2.1.6 定义训练函数 2.1.7 定义测试函数 2.1.8 开始训练 2.2 保存 2.2.1 保存模型参数 .
tensorflow笔记：tf.argmax()和tf.equal()的使用
m0_38144126的博客
03-23 711
原文：https://blog.csdn.net/abc13526222160/article/details/85299901 1、tf.argmax(vector, 1) 返回的是vector中的最大值的索引号，如果vector是一个向量，那就返回一个值，如果是一个矩阵，那就返回一个向量，这个向量的每一个维度都是相对应矩阵行的最大值元素的索引号。 import tensorflow as tf...
用lstm实现7位数以内的加法
by_side_with_sun的博客
05-12 335
import numpy as np import tensorflow as tf from sklearn.preprocessing import OneHotEncoder import random import os from tensorflow.contrib import rnn data_num=np.array([0,1,2,3,4,5,6,7,8,9]) data_num...
pointNet 代码之 train.py 的注释(完整的运行逻辑和过程）
夜晓岚的博客
10-27 3231
train.py 执行顺序为:首先为建立 tensorflow Graph。 由import argparse---->import math---->......---->import sys---->BASE_DIR....--->import provider 该文件为自定义文件，进入执行里面的人东西。主要为键入相关命令和各个定义函数(只加载函数名)，依...
torch.argmax函数说明
热门推荐
weixin_42494287的博客
06-18 6万+
torch.argmax()函数 argmax函数：torch.argmax(input, dim=None, keepdim=False)返回指定维度最大值的序号，dim给定的定义是：the demention to reduce.也就是把dim这个维度的，变成这个维度的最大值的index。 1）dim的不同值表示不同维度。特别的在dim=0表示二维中的列，dim=1在二维矩阵中表示行。广泛的...
四天搞懂生成对抗网络（三）——用CGAN做图像转换的鼻祖pix2pix
百度大脑
11-18 4140
点击左上方蓝字关注我们【飞桨开发者说】吕坤，唐山广播电视台算法工程师，PPDE飞桨开发者技术专家，喜欢研究GAN等深度学习技术在媒体、教育上的应用。Pix2Pix的不甘の野望也许是Cyc...
【Tensorflow】 tf.equal(tf.argmax(y, 1),tf.argmax(y_, 1))用法
ZHANGHUIHUIA的博客
11-06 7238
【Tensorflow】 tf.equal(tf.argmax(y, 1),tf.argmax(y_, 1))用法 作用：输出正确的预测结果 利用tf.argmax()按行求出真实值y_、预测值y最大值的下标，用tf.equal()求出真实值和预测值相等的数量，也就是预测结果正确的数量，tf.argmax()和tf.equal()一般是结合着用。 具体讲解： correct_prediction ...
深度学习笔记一
ping550的专栏
02-22 4100
一些学习网站记下来 http://deeplearning.net/tutorial/contents.html https://github.com/aymericdamien/TensorFlow-Examples https://www.tensorflow.org http://mp.weixin.qq.com/s/qmm1xyvnHvWhuUvd9lD
给我一个卷积神经网络的代码
最新发布
04-03
以下是一个简单的卷积神经网络的代码，用于分类MNIST手写数字图像： ``` import tensorflow as tf # 定义输入和输出 x = tf.placeholder(tf.float32, [None, 784]) y_true = tf.placeholder(tf.float32, [None, 10]) # 将输入转换为28x28的图像 x_image = tf.reshape(x, [-1, 28, 28, 1]) # 定义第一层卷积层 conv1 = tf.layers.conv2d(inputs=x_image, filters=32, kernel_size=[5, 5], padding='same', activation=tf.nn.relu) # 定义第一层池化层 pool1 = tf.layers.max_pooling2d(inputs=conv1, pool_size=[2, 2], strides=2) # 定义第二层卷积层 conv2 = tf.layers.conv2d(inputs=pool1, filters=64, kernel_size=[5, 5], padding='same', activation=tf.nn.relu) # 定义第二层池化层 pool2 = tf.layers.max_pooling2d(inputs=conv2, pool_size=[2, 2], strides=2) # 将卷积层输出的张量转换为全连接层需要的形状 pool2_flat = tf.reshape(pool2, [-1, 7 * 7 * 64]) # 定义全连接层 dense = tf.layers.dense(inputs=pool2_flat, units=1024, activation=tf.nn.relu) # 添加dropout，防止过拟合 dropout = tf.layers.dropout(inputs=dense, rate=0.4) # 定义输出层 y_pred = tf.layers.dense(inputs=dropout, units=10) # 定义损失函数 cross_entropy = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(labels=y_true, logits=y_pred)) # 定义优化器 train_step = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy) # 定义评估模型的准确率 correct_prediction = tf.equal(tf.argmax(y_pred, 1), tf.argmax(y_true, 1)) accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32)) # 初始化变量 init = tf.global_variables_initializer() # 加载MNIST数据集 mnist = tf.contrib.learn.datasets.load_dataset("mnist") # 将训练集和测试集分别存储为numpy数组 train_data = mnist.train.images train_labels = mnist.train.labels.astype(int) test_data = mnist.test.images test_labels = mnist.test.labels.astype(int) # 开始训练模型 with tf.Session() as sess: sess.run(init) for i in range(2000): batch_xs, batch_ys = mnist.train.next_batch(100) sess.run(train_step, feed_dict={x: batch_xs, y_true: batch_ys}) if i % 100 == 0: train_accuracy = accuracy.eval(feed_dict={x: batch_xs, y_true: batch_ys}) print("Step %d, training accuracy %g" % (i, train_accuracy)) test_accuracy = accuracy.eval(feed_dict={x: test_data, y_true: test_labels}) print("Test accuracy: %g" % test_accuracy) ```

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值