TensorFlow
托尼·杨
Hello, world!
展开
-
TensorFlow学习程序(一):一个简单的神经网络模型
import tensorflow as tfimport numpy as np#Create datax_data = np.random.rand(100).astype(np.float32)y_data = x_data*0.1+0.3 #目标函数#create tensorflow structure startWeights = tf.Variable(tf.ran...原创 2019-01-27 19:40:24 · 760 阅读 · 0 评论 -
TensorFlow学习程序(二):定义变量、常量与占位符
首先,第一个程序是定义变量与常量并且对其进行应用的程序import tensorflow as tfstate = tf.Variable(0, name='counter') #定义了一个数值为0,名为counter的变量one = tf.constant(1) #定义了一个数值为1的常量get_new_value = tf.add(state, one) #add函数将stat...原创 2019-01-27 19:52:19 · 505 阅读 · 0 评论 -
TensorFlow学习程序(三):构造一个简单的神经网络并通过Matplotlib可视化
import tensorflow as tfimport numpy as npimport matplotlib.pyplot as plt #使输出数据可视化def add_layer(inputs, in_size, out_size, activation_function = None): #构造神经网络层 with tf.name_scope('layer'): ...原创 2019-01-27 22:46:15 · 739 阅读 · 0 评论 -
TensorFlow学习程序(四):防止过拟合
为了防止过拟合的发生,常用的一种方法是通过dropout使部分神经元的激活值不参与下一步的运算,即随机的删除一些神经元激活值,从而达到防止过拟合的发生,下面是一个使用dropout防止过拟合的数字识别的程序:import tensorflow as tffrom sklearn.datasets import load_digitsfrom sklearn.cross_validatio...原创 2019-01-28 11:02:45 · 960 阅读 · 0 评论 -
TensorFlow学习程序(五):数据的保存和提取
在将一个神经网络训练好以后,需要将其中的权重、偏值保存下来,从而在下一次使用时不必训练便可以直接提取使用,下面是一个以数据的保存和提取为主的程序:import tensorflow as tfimport numpy as np#保存到文件(仅能够保存Variables,整个神经网络的框架无法被保存)W = tf.Variable([[1,2,3],[4,5,6]],dtype=tf...原创 2019-01-28 11:06:16 · 1139 阅读 · 0 评论 -
TensorFlow学习实战(一):通过CNN实现Mnist
本次通过CNN来实现Mnist,我给每一部分的代码加上了详细的注释。下面直接上程序:import tensorflow as tfimport numpy as npfrom tensorflow.examples.tutorials.mnist import input_datamnist = input_data.read_data_sets('MNIST_data', one_...原创 2019-01-31 21:33:56 · 641 阅读 · 0 评论 -
TensorFlow学习实战(二):通过RNN实现Mnist
本次通过RNN来实现Mnist,我给每部分代码加上了注释,下面直接上程序:# 通过RNN实现Mnist,神经网络将一幅数字图片的像素矩阵从行索引0开始一行一行的循环扫描,将# 整个像素矩阵扫描完后,再预测数字(而CNN是通过卷积核滑窗扫描、卷积运算进行预测)import tensorflow as tffrom tensorflow.examples.tutorials.mnist ...原创 2019-02-02 22:34:59 · 518 阅读 · 0 评论