![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
tensorflow
smart_hang
路漫漫其修远兮
展开
-
tensorflow学习 -处理fashion mnist数据集
import tensorflow as tffrom tensorflow import kerasimport numpy as npimport matplotlib.pyplot as pltdef to_onehot(y,num): lables = np.zeros([num,len(y)]) for i in range(len(y)): l...原创 2019-05-20 20:44:45 · 1508 阅读 · 0 评论 -
tensorflow学习 -- 变量管理与模型持久化
1、变量管理tensorflow的变量管理主要通过两个函数:tf.Variable和tf.get_varible来完成,前者用来创建一个变量,后者可以创建变量或者获取变量。在创建变量的时候,两者的功能是等价的。tf.Variable可以不传入name参数,但是tf.get_varible必须使用name参数以便用这个参数去创建或者获取变量。当使用tf.get_varible的时候,tf.get...原创 2019-05-20 20:48:24 · 859 阅读 · 0 评论 -
tensorflow学习 -- 使用卷积神经网络进行对fashion-mnist数据集进行分类
# 引入相关的包import tensorflow as tfimport numpy as npfrom tensorflow import keras# 自定义one_hot编码def to_onehot(y,num): lables = np.zeros([num,len(y)]) for i in range(len(y)): lables[in...原创 2019-05-26 21:42:27 · 2976 阅读 · 0 评论 -
tensorflow学习--基本概念计算图与会话
文章目录一、计算图二、会话Session一、计算图在TensorFlow程序中,系统会自动维护一个默认的图,通过tf.get_default_graph函数可以查看当前的默认的计算图。TensorFlow 支持通过tf.Graph函数来生成新的计算图,不同计算图上的张量和计算不会共享\large {\color{red}{不会共享}}不会共享。在一个计算图中可以通过集合(collecti...原创 2019-05-13 16:23:42 · 489 阅读 · 0 评论 -
tensorflow学习--卷积神经网络中的padding参数
文章目录卷积中的padding池化操作的paddingpadding的作用卷积中的padding在构建深度神经网络模型是,一个基本的操作是卷积操作。在卷积操作中有三个常见的参数:卷积核的大小卷积核的移动步长padding的方式例如:conv1_weights = tf.get_variable('weight',[conv1_size,conv1_size,channels,co...原创 2019-06-04 20:30:35 · 1118 阅读 · 0 评论 -
tensorflow RNN 使用动态的batch_size
在使用tensorflow实现RNN模型时,需要初始化隐藏状态h0h_0h0,如下:lstm_cell_1 = [tf.nn.rnn_cell.DropoutWrapper(tf.nn.rnn_cell.BasicLSTMCell(HIDDEN_SIZE),output_keep_prob=dropout_keep_prob) for _ in range(NUM_LAYERS)]cell_...原创 2019-07-31 19:29:31 · 1545 阅读 · 0 评论 -
使用tensorflow 完整实现word2vec(skip-gram)
用了一周的时间研究了word2vec,参考别人的代码完整实现了skip-gram模型,以下代码可以直接粘贴复制到ijupter notebook中运行。如果有写错的地方,欢迎大家在评论区留言,共同进步!import collectionsimport mathimport osimport randomimport zipfileimport numpy as npimport ur...原创 2019-07-27 10:38:23 · 907 阅读 · 1 评论 -
tensorflow学习 数据的拆分与拼接 tf.split() tf.concat() numpy.split() np.concatenate()
用发如以下代码import tensorflow as tfimport numpy as npdata = np.array([ [1,2,3,4,5,6,7,8,9,0], [11,12,13,14,15,16,17,18,19,1], [21,22,23,24,25,26,27,28,29,30], [31,32,33,34,35,36,37,38,3...原创 2019-08-09 17:52:13 · 2299 阅读 · 0 评论