TensorFlow初级教程
傅晨明
毕业于杭州电子科技大学
展开
-
深度学习的入门方法
声明:摘自《TensorFlow技术解析与实战》 京东链接:http://item.jd.com/12073631.html要想入门深度学习,需要两个工具,即算法知识和大量的数据,外加一台计算机,如果有GPU就更好了,但是因为许多入门初学者的条件有限,没有GPU也可以。 深度学习的入门过程如下图所示7个步骤:1.学习或者回忆一些数学知识因为极端及能做的只是计算,所以人工智能更多地来说还是数学问题转载 2017-07-30 22:35:45 · 485 阅读 · 0 评论 -
TensorFlow损失函数(loss function)
神经网络模型的效果及优化的目标是通过损失函数来定义的。1、经典损失函数分类问题和回归问题是监督学习的两大种类。分类问题常用方法:交叉熵(cross_entropy),它描述了两个概率分布之间的距离,当交叉熵越小说明二者之间越接近。它是分类问题中使用比较广的一种损失函数。 给定两个概率分布p和q,通过q来表示p的交叉熵为: H(p,q)=−∑xp(x)logq(x)H(p,q)=-\sum_x p原创 2017-08-14 11:32:33 · 30736 阅读 · 1 评论 -
深度神经网络及TensorFlow实现1-激活函数(Activation Function)2
3.TensorFlow激活函数使用激活函数activation function 运行时激活神经网络中某一部分神经元,将激活信息向后传入下一层的神经网络。神经网络之所以能解决非线性问题(入语音、图像识别),本质上就是激活函数加入了非线性因素,弥补了线性模型的表达力,把“激活的神经元的特征”通过函数保留并映射到下一层。 因为神经网络的数学基础是处处可微的,所以选取的激活函数要能保证数据输入与输出原创 2017-08-12 22:02:56 · 1759 阅读 · 0 评论 -
深度神经网络及TensorFlow实现1-激活函数(Activation Function)
1、线性模型先看个TensorFlow游乐场的例子,来验证线性模型的局限性。以判断零件是否合格为例,输入为x1x_1和x2x_2,其中x1x_1代表一个零件质量和平均质量的差,x2x_2代表一个零件长度和平均长度的差。假设一个零件的质量和长度离平均质量和长度越近,那么这个零件越有可能合格。于是训练数据有可能服从下图所示分布。上图蓝色代表合格零件,黄色代表不合格零件。1 下图显示了使用TensorF原创 2017-08-11 15:50:44 · 4563 阅读 · 0 评论 -
TensorFlow作用域:name_scope和variable_scope
在TensorFlow中有两个作用域,一个是name_scope,另一个是variable_scope。variable_scope主要是给variable_name加前缀的,也给op_name加前缀;name_scope是给op_name加前缀。1、variable_scope示例variable_scope变量作用域机制在TensorFlow中主要由两部分组成:v = tf.g...原创 2018-06-21 18:00:18 · 528 阅读 · 0 评论 -
TensorFlow变量常用操作
1、矩阵之间相乘:import tensorflow as tfa = 3# Create a variable.w = tf.Variable([[0.5,1.0]])x = tf.Variable([[2.0],[1.0]])y = tf.matmul(w, x)#variables have to be explicitly initialized before yo...原创 2018-04-11 22:31:33 · 622 阅读 · 0 评论 -
TensorFlow基础知识6-可视化(TensorBoard)
参考: http://wiki.jikexueyuan.com/project/tensorflow-zh/how_tos/summaries_and_tensorboard.htmlhttp://wiki.jikexueyuan.com/project/tensorflow-zh/how_tos/graph_viz.html原创 2017-08-06 15:28:46 · 370 阅读 · 0 评论 -
TensorFlow基础知识5-会话(session)
1、会话简介会话在之前的文章中也使用过,这里做一个详细介绍。构造阶段完成后, 才能启动图。启动图的第一步是创建一个 Session 对象, 如果无任何创建参数, 会话构造器将启动默认图。会话会管理TensorFlow程序运行时的所有资源。当所有计算完成之后需要关闭会话来帮助系统回收资源,否则就可能出现资源泄露的问题。TensorFlow中使用会话的模式一般有两种: 1、需要明确调用会话生成函数和关原创 2017-08-06 11:47:50 · 10188 阅读 · 0 评论 -
TensorFlow基础知识4-变量
接下来讨论TensorFlow变量和会话变量(Variable):创建当训练模型时,用变量来存储和更新参数。变量包含张量(Tensor)存放于内存的缓存区。建模时它们需要被明确地初始化,模型训练后它们必须被存储到磁盘。这些变量的值可以之后模型训练和分析时被加载。创建 当创建一个变量时,你讲一个张量作为初始值传入构造函数Variable()。TensorFlow提供了一系列操作符来初始化张量,初始值原创 2017-07-30 21:41:15 · 939 阅读 · 0 评论 -
TensorFlow基础知识3-操作
运算操作的相关知识点一个运算操作代表了一种类型的抽象运算,比如矩阵乘法或者向量加法。 一个运算操作可以有自己的属性,但是所有属性都必须被预先设置,或者能够在创建计算图时根据上下文推断出来。 通过设置运算操作的属性可以用来支持不同的tensor元素类型,比如让向量加法支持浮点或者整数。 运算核(kernel)是一个运算操作在某个具体的硬件(比如cpu或者gpu中)的实现。 在Tenso原创 2017-08-02 20:51:02 · 4833 阅读 · 0 评论 -
TensorFlow基础知识2-张量
张量是什么?张量是TensorFlow管理数据的形式。在TensorFlow程序中,所有数据都是通过张量的形式来表示的。张量是TensorFlow中运算结果的引用,在张量中并没有真正保存数字,它保存的是如何得到这些数字的计算过程。 如下代码不会得到加法的结果,而是得到对结果的一个引用。import tensorflow as tfa = tf.constant([1.0, 2.0], name=原创 2017-08-01 22:20:38 · 976 阅读 · 0 评论 -
TensorFlow概要
1.TensorFlow历史TensorFlow是谷歌基于DistBelief进行研发的第二代人工智能学习系统,其命名来源于本身的运行原理。Tensor(张量)意味着N维数组,Flow(流)意味着基于数据流图的计算,TensorFlow为张量从流图的一端流动到另一端计算过程。TensorFlow是将复杂的数据结构传输至人工智能神经网中进行分析和处理过程的系统。TensorFlow可被用于语音识别或图原创 2017-07-26 09:12:39 · 536 阅读 · 0 评论 -
TensorFlow基础知识1-计算图
TensorFlow核心概念包括:计算图、操作、变量、会话什么是计算图?计算图又被称为是有向图,数据流图。 TensorFlow是一个通过计算图的形式来表述计算的编程系统。TensorFlow中的每一个计算都是计算图上的一个节点,而节点之间的边描述了计算之间的依赖关系。 下图展示了通过TensorBoard画出来的两个向量相加的计算图。 (TensorBoard的使用参考我的博客:http原创 2017-07-29 20:09:02 · 2156 阅读 · 0 评论 -
TensorFlow深度学习优化器Optimizer
参考: http://blog.csdn.net/xierhacker/article/details/53174558 https://www.leiphone.com/news/201706/e0PuNeEzaXWsMPZX.html https://arxiv.org/pdf/1609.04747.pdf http://www.redcedartech.com/pdfs/Select_原创 2017-08-17 10:31:05 · 358 阅读 · 0 评论