tensorflow
文章平均质量分 53
不负韶华T
泛爱众 而亲仁 有余力 则学文
展开
-
tensorflow中的关键字global_step使用
global_step经常在滑动平均,学习速率变化的时候需要用到,这个参数在tf.train.GradientDescentOptimizer(learning_rate).minimize(loss, global_step=global_steps)里面有,系统会自动更新这个参数的值,从1开始。例如:[python] view plain copy转载 2017-12-03 21:17:34 · 3077 阅读 · 0 评论 -
tensorflow学习之常用函数总结:tensorflow官方例子中的诸如tf.reduce_mean()这类函数
前言tensorflow官网给的例子用到了很多函数,然后并没有具体说明,还要自己去翻文档,有些函数是很常用的,下面来一一总结。正文一,tensorflow中有一类在tensor的某一维度上求值的函数。如:求最大值tf.reduce_max(input_tensor, reduction_indices=None, keep_dims=False, name=转载 2017-12-29 12:05:47 · 196 阅读 · 0 评论 -
Saver的用法
1. Saver的背景介绍 我们经常在训练完一个模型之后希望保存训练的结果,这些结果指的是模型的参数,以便下次迭代的训练或者用作测试。Tensorflow针对这一需求提供了Saver类。Saver类提供了向checkpoints文件保存和从checkpoints文件中恢复变量的相关方法。Checkpoints文件是一个二进制文件,它把变量名映射到对应的tensor值转载 2017-12-29 13:59:16 · 3172 阅读 · 0 评论 -
Tensorflow中的变量管理
#如何通过tf.variable_scope函数来控制tf.ger_variable函数获取已经创建过的变量#在名字为foo的命名空间内创建名字为v的变量import tensorflow as tfwith tf.variable_scope("foo"): v = tf.get_variable("v",shape=[1],initializer=tf.constant_init转载 2018-02-02 10:59:27 · 395 阅读 · 0 评论 -
Cross_validation.train_test_split 中 stratify这个参数的意义是什么?
比单独使用train_test_split来划分数据更严谨 stratify是为了保持split前类的分布。比如有100个数据,80个属于A类,20个属于B类。如果train_test_split(... test_size=0.25, stratify = y_all), 那么split之后数据如下: training: 75个数据,其中60个属于A类,15个属于B转载 2018-02-02 11:50:08 · 2463 阅读 · 0 评论 -
tf.train.ExponentialMovingAverage
http://blog.csdn.net/uestc_c2_403/article/details/72235334tf.train.ExponentialMovingAverage(decay, steps)tf.train.ExponentialMovingAverage这个函数用于更新参数,就是采用滑动平均的方法更新参数。这个函数初始化需要提供一个衰减速率转载 2018-01-26 18:36:01 · 291 阅读 · 0 评论 -
tf.nn.in_top_k的用法
http://blog.csdn.net/uestc_c2_403/article/details/73187915tf.nn.in_top_k组要是用于计算预测的结果和实际结果的是否相等,返回一个bool类型的张量,tf.nn.in_top_k(prediction, target, K):prediction就是表示你预测的结果,大小就是预测样本的数量乘以输转载 2018-01-26 19:05:31 · 354 阅读 · 0 评论 -
网络模型的保存和读取
转自:http://blog.csdn.net/lwplwf/article/details/62419087之前的笔记里实现了softmax回归分类、简单的含有一个隐层的神经网络、卷积神经网络等等,但是这些代码在训练完成之后就直接退出了,并没有将训练得到的模型保存下来方便下次直接使用。为了让训练结果可以复用,需要将训练好的神经网络模型持久化,这就是这篇笔记里要写的东西。Tenso转载 2018-02-03 22:07:17 · 973 阅读 · 0 评论 -
Python读入CIFAR-10数据库
https://www.cnblogs.com/hans209/p/6919851.htmlCIFAR-10可以去http://www.cs.toronto.edu/~kriz/cifar.html下载(记得下载python格式) CIFAR-10数据组成:训练集和测试集分别有50000和10000张图片,RGB3通道,尺寸32×32,如下为data_b转载 2018-01-29 04:03:04 · 1185 阅读 · 1 评论 -
tensorflow中tf.random_normal和tf.truncated_normal的区别
1、tf.truncated_normal使用方法tf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)从截断的正态分布中输出随机值。 生成的值服从具有指定平均值和标准偏差的正态分布,如果生成的值大于平均值2个标准偏差的值则丢弃重新选择。在正态分布的转载 2017-12-29 11:56:42 · 189 阅读 · 0 评论 -
variable与get_variable
Variabletensorflow中有两个关于variable的op,tf.Variable()与tf.get_variable()下面介绍这两个的区别tf.Variable与tf.get_variable()tf.Variable(initial_value=None, trainable=True, collections=None, validate_shape=Tru转载 2017-12-29 11:11:30 · 217 阅读 · 0 评论 -
Sklearn-train_test_split随机划分训练集和测试集
sklearn.model_selection.train_test_split随机划分训练集和测试集官网文档:http://scikit-learn.org/stable/modules/generated/sklearn.model_selection.train_test_split.html#sklearn.model_selection.train_test_split转载 2018-01-12 09:51:02 · 8559 阅读 · 1 评论 -
tf.truncated_normal的用法
tf.truncated_normal(shape, mean, stddev) :shape表示生成张量的维度,mean是均值,stddev是标准差。这个函数产生正太分布,均值和标准差自己设定。这是一个截断的产生正太分布的函数,就是说产生正太分布的值如果与均值的差值大于两倍的标准差,那就重新生成。和一般的正太分布的产生随机数据比起来,这个函数产生的随机数与均值的差距不会超过两倍的标准差,但是一般转载 2017-12-14 11:05:58 · 223 阅读 · 0 评论 -
TensorFlow 中文文档 介绍
介绍本章的目的是让你了解和运行 TensorFlow在开始之前, 先看一段使用 Python API 撰写的 TensorFlow 示例代码, 对将要学习的内容有初步的印象.这段很短的 Python 程序生成了一些三维数据, 然后用一个平面拟合它.import tensorflow as tfimport numpy as np# 使用 NumPy 生成假数据(p转载 2017-12-14 11:08:48 · 483 阅读 · 0 评论 -
win10 安装 tensorflow gpu 版
先打开网址https://storage.googleapis.com/tensorflow 可以看到目前的所有tensorflow已编译版本。直接翻到最后面,找到windows的。比如当前最新的为:Contents>Key>windows/gpu/tensorflow_gpu-1.0.0rc0-cp35-cp35m-win_amd64.whlKey>Generation>1485转载 2017-12-14 16:49:39 · 231 阅读 · 0 评论 -
Jupyter Notebook 的快捷键
Jupyter Notebook 有两种键盘输入模式。编辑模式,允许你往单元中键入代码或文本;这时的单元框线是绿色的。命令模式,键盘输入运行程序命令;这时的单元框线是灰色。命令模式 (按键 Esc 开启)Enter : 转入编辑模式Shift-Enter : 运行本单元,选中下个单元Ctrl-Enter : 运行本单元Alt-Enter : 运行本单元,在其下插入新单元Y : 单元转入转载 2017-12-14 19:14:26 · 218 阅读 · 0 评论 -
【TensorFlow】tf.concat的用法
tf.concat是连接两个矩阵的操作tf.concat(concat_dim, values, name='concat')除去name参数用以指定该操作的name,与方法有关的一共两个参数:第一个参数concat_dim:必须是一个数,表明在哪一维上连接 如果concat_dim是0,那么在某一个shape的第一个维度上连,对应到实际,就是叠转载 2017-12-17 20:29:47 · 612 阅读 · 0 评论 -
图像操作和处理
本章讲解操作和处理图像的基础知识,将通过大量示例介绍处理图像所需的 Python 工具包,并介绍用于读取图像、图像转换和缩放、计算导数、画图和保存结果等的基本工具。这些工具的使用将贯穿本书的剩余章节。1.1 PIL:Python图像处理类库PIL(Python Imaging Library Python,图像处理类库)提供了通用的图像处理功能,以及大量有用的基本图像操作,比如图像转载 2017-12-27 01:18:45 · 6294 阅读 · 0 评论 -
TensorFlow版本
终端或命令行下输入:Ubuntu版本sudo pip install --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.2.0-cp27-none-linux_x86_64.whlWindows版本pip install https://mirrors.tuna.tsinghua.edu.cn/te原创 2018-01-02 16:55:21 · 565 阅读 · 0 评论 -
tf.stack()和tf.unstack()的用法
tf.stack()这是一个矩阵拼接的函数,tf.unstack()则是一个矩阵分解的函数c是拼接,而d和e则是不同维度的分解转自:http://blog.csdn.net/u012193416/article/details/77411535转载 2018-01-02 20:43:28 · 963 阅读 · 0 评论 -
tf.one_hot
tf.one_hot在看conditionGAN的时候注意到label的输入要把它转换成one-hot形式,再与噪声z进行tf.concat输入,之前看的时候忽略了,现在再看才算明白为什么。tf.one_hot( indices,#输入,这里是一维的 depth,# one hot dimension. on_value=None,#output 默认1 of转载 2018-01-02 21:04:40 · 238 阅读 · 0 评论 -
机器学习中防止过拟合的处理方法
转自:http://blog.csdn.net/heyongluoyao8/article/details/49429629防止过拟合的处理方法过拟合 我们都知道,在进行数据挖掘或者机器学习模型建立的时候,因为在统计学习中,假设数据满足独立同分布(i.i.d,independently and identically distributed),即当前已产生的数据可转载 2018-02-05 12:26:25 · 1363 阅读 · 0 评论