jiangyongy的专栏

变量共享主要涉及到两个函数：tf.get_variable(name>, shape>, initializer>) 和 tf.variable_scope(scope_name>)。11先来看第一个函数： tf.get_variable。tf.get_variable 和tf.Variable不同的一点是，前者拥有一个变量检查机制，会检测已经存在的变量是否设置为共享变量，如果

转自：http://blog.csdn.net/u014595019/article/details/528054441.矩阵操作1.1矩阵生成这部分主要将如何生成矩阵，包括全０矩阵，全１矩阵，随机数矩阵，常数矩阵等tf.ones | tf.zerostf.ones(shape,type=tf.float32,name=None) tf.zeros(

一般来说，CNN网络的前几层为卷积层和采样层（或者说池化层），在若干层卷积和池化以后，还有若干层全连接层（也就是传统神经网络），最后输出分类信息。大概的结构示意图如下图所示可以看到，CNN相比与传统神经网络，最大的区别就是引入了卷积层和池化层。这也是我们在代码中要着重看的地方。 在下面的代码中，卷积是使用tf.nn.conv2d, 池化使用tf.nn.max_pool,下面来详

#coding=utf-8import tensorflow as tfimport numpy as np#add layerdef add_layer(inputs,in_size,out_size,activation_function=None): # add one more layer and return the output of this layer w = tf.

语料库从资源页面下载#coding=utf-8import collectionsimport re import numpy as np import tensorflow as tf import matplotlib.pyplot as plt from sklearn.manifold import TSNE'''读取源文件，并转为list输出@param f

实现分类器使用的数据集为input_data中的数据，导入数据集前需要先下载数据集，否则会报错ImportError: No module named input_data解决方法：先安装input_data.py，直接复制地址https://github.com/tensorflow/tensorflow/tree/master/tensorflow/examples/tutoria

#coding=utf-8import tensorflow as tfimport numpy as npnum_point = 100vectors_set = []#train datafor i in range(num_point): x1 = np.random.normal(0.0,1) y1 = 1 if x1*0.3+0.1 +np.random.normal(0

#coding=utf-8import tensorflow as tfimport numpy as npimport matplotlib.pyplot as pltnum_points = 1000vector_set = []#构造训练数据for i in range(num_points): x1 = np.random.normal(0.0,0.55) y1 = x

#coding=utf-8import numpy as npimport tensorflow as tfimport matplotlib.pyplot as pltimport input_dataimport math#import mnist import time#参数设置flags = tf.app.flagsFLAGS = flags.FLAGSflags.

pip使用清华镜像安装tensorflow1.8安装tensorflow时，如果使用直接安装速度相对较慢，采取清华大学的镜像会提高速度。pip install tensorflow-gpu==1.8 -i https://pypi.tuna.tsinghua.edu.cn/simple或pip install tensorflow==1.8 -i https://pypi.tuna.tsi...