进击的Explorer

tensorflow中的tile()函数是用来对张量(Tensor)进行扩展的，其特点是对当前张量内的数据进行一定规则的复制。最终的输出张量维度不变。语法：tf.tile( input, multiples, name=None)input - 待拓展的张量multiples - 拓展的倍数如果input是一个3维的张量，那multiples就是一个1×3的一维张量。这三个值分别代表input三维中的倍数。示例import tensorflow as t

MaxPool2D的作用是对卷积层输出的空间数据进行池化，采用的池化策略是最大值池化。在使用MaxPool2D时需要配置的参数如下：tf.keras.layers.MaxPool2D( pool_size=(2, 2), strides=None, padding='valid', data_format=None, **kwargs)参数...

使用Conv2D可以创建一个卷积核来对输入数据进行卷积计算，然后输出结果，其创建的卷积核可以处理二维数据。依次类推，Conv1D可以用于处理一维数据，Conv3D可以用于处理三维数据。在进行神经层级集成时，如果使用该层作为第一层级，则需要配置input_shape参数。在使用Conv2D时，需要配置的主要参数如下：tf.keras.layers.Conv2D( filters, ...

1、save/load weights只保存网络的一个参数，不管其他的状态，这种模式适合自己对代码有个清晰的认识用法流程如下：# Save the weightsmodel.save_weights('./checkpoints/my_checkpoint') # 提供保存的路径# Restore the weightsmodel = create_model() # 重新创...

通过自定义网络可以将一些现有的网络和自己的网络串联起来，这样可以组建各种各样的网络。1、keras.Sequential它的用法见这篇博客network = Sequential([layers.Dense(256, activation='relu'), layers.Dense(128, activation='relu'), ...

1、compile配置用于训练的模型。用法：compile( optimizer='rmsprop', loss=None, metrics=None, loss_weights=None, sample_weight_mode=None, weighted_metrics=None, target_tensors=None, ...

1、tf.keras.metrics.Accuracy函数说明：计算预测与真实值的准确度。用法：tf.keras.metrics.Accuracy( name='accuracy', dtype=None)例如，如果y_true为[1、2、3、4]，而y_pred为[0、2、3、4]，则精度为3/4或 .75 。如果将权重指定为 [1、1、0、0] ，则精度将为1...

1、MSE计算公式为：MSE:(这里的N=batch∗shapeN = batch*shapeN=batch∗shape)loss=1N∑(y−out)2loss = \frac{1}{N}\sum_{} (y - out)^2loss=N1​∑​(y−out)2二范数：L2−norm=∑(y−out)2L_{2-norm} = \sqrt{\sum_{}(y - out)^2}L2−n...

1、tf.sigmoid函数应用sigmoid函数可以将输出压缩至0～1的范围计算公式为f(x)=11+e−xf(x) = \frac{1}{1 + e^{-x}}f(x)=1+e−x1​ tf.sigmoid()的函数的用法为：tf.sigmoid( x, name=None)参数说明：x ：类型为float16, float32, float64...

线性堆叠的图层。继承自：Model用法：tf.keras.Sequential( layers=None, name=None)参数说明：layers - 要添加到model的层列表。首先创建一个模型结构：model = keras.Sequential()建立一个最终输出维度为10的分类结果的全连接神经网络。使用.add()函数进行各个层的堆叠：#...

tf.keras.layers.Dense相当于在全连接层中添加一个层Dense实现以下操作：output = activation（dot（input，kernel）+ bias） 其中，activation是用activation参数传递的逐元素激活函数，kernel是该层创建的权重矩阵，bias是由图层创建的偏差向量（仅在use_bias为True时适用）。用法：tf.keras.la...

对于一些小型常用的数据集，TensorFlow有相关的API可以调用——keras.datasets经典数据集:1、boston housing - 波士顿房价2、mnist/fasion mnist - 手写数字集/时髦品集3、cifar10/100 - 物象分类4、imdb - 电影评价使用 tf.dat...

1、tf.where如果x和y都为空，则此操作返回条件的真元素的坐标。例如，有一个3*3的矩阵，[[True, False, False], [False, True, False], [False, False, True]],返回一个3*2的矩阵，其中的3代表True的个数，2代表矩阵为True的坐标，返回结果为[[0, 0], [1, 1], [2, 2]]如果x和y不为空，x、y必须...

1、tf.clip_by_value将张量值裁剪到指定的最小值和最大值。tf.clip_by_value(t, clip_value_min, clip_value_max)：输入一个张量t，把t中的每一个元素的值都压缩在clip_value_min和clip_value_max之间。用法：tf.clip_by_value( t, clip_value_min, ...

1、tf.pad函数功能介绍tf.pad()函数主要是对张量在各个维度上进行填充用法：pad( tensor, paddings, mode='CONSTANT', name=None)参数说明:tensor：待填充的张量paddings：指出要给tensor的哪个维度进行填充,以及填充方式,要注意的是paddings的rank必须和tensor的...

1、排序函数tf.sort()、排序的坐标tf.argsort()排序函数tf.sort()用法：tf.sort( values, axis=-1, direction='ASCENDING', name=None)参数说明：values：一维或更高维张量。axis：要排序的轴。默认值是-1，用于对最后一个轴进行排序。direction：排序值...

1、范数tf.norm函数计算向量、矩阵和张量的范数。范数的定义：    1、向量x=[3,−2,1]Tx = [3, -2, 1]^Tx=[3,−2,1]T的欧式范数 (Euclidean norm) 为∣∣x∣∣2=32+(−2)2+12=3.742||x||_2 = \sqrt{3^2 +(-2)^2 + 1^2} = 3.742∣∣x∣∣2​=32+(−2)2+12​=3.742...

1、拼接操作tf.concat其约束条件：你要创建的axis是可以不同，但其他的维度是要相同的。用法：tf.concat( values, axis, name='concat')axis代表要在哪个维度拼接：axis=0代表在第0个维度拼接，axis=1代表在第1个维度拼接…示例：import tensorflow as tfa = tf.ones([4, 35...

tf.reduce_mean 函数用于计算张量tensor沿着指定的数轴（tensor的某一维度）上的的平均值，主要用作降维或者计算tensor（图像）的平均值。reduce_mean( input_tensor, axis=None, keepdims=False, name=None,)参数说明：input_tensor - 输入的待降维的tensor;axis...

功能：计算元素x里每一个元素的平方tf.math.square( x, name=None)参数说明：x - 一个张量或者是稀疏张量。必须是下列类型之一：half, float32, float64, int32, int64, complex64, complex128.name - 操作的名字 (可选参数).示例如下：import tensorflow a...

tf.one_hot() 函数是将input转化为one-hot类型数据输出如果我们有一个5类分类问题，我们有数据 (Xi,Yi)(X_i,Y_i)(Xi​,Yi​)，其中类别YiY_iYi​有5种取值（因为是5分类问题），所以如果YjY_jYj​为第1类那么其独热编码为： [1,0,0,0,0][1,0,0,0,0][1,0,0,0,0]，如果是第2类那么独热编码为：[0,1,0,0,0][0...

tf.nn.relu()函数是将大于0的数保持不变，小于0的数置为0:f(x)=max(0,x)f(x) = max(0, x)f(x)=max(0,x) relu( features, name=None)参数说明：features - tensor类型，类型为float32, float64, int32, int64, uint8, int16, i...

TensorFlow 2.0默认是eager模式，每行代码顺序执行。有一个上下文管理器（context manager）来连接需要计算梯度的函数和变量，方便求解同时也提升效率。tf.GradientTape( persistent=False, watch_accessed_variables=True)参数说明：persistent - 布尔值，用来指定新创建的g...

有一些任务，可能事先需要设置，事后做清理工作。对于这种场景，Python的with语句提供了一种非常方便的处理方式。其中一个很好的例子是文件处理，你需要获取一个文件句柄，从文件中读取数据，然后关闭文件句柄。当不用with语句，代码如下：file = open("/tmp/foo.txt")data = file.read()file.close()这里有两个问题。一是可能忘记关闭文件句...

list、tuple等都是可迭代对象，我们可以通过iter()函数获取这些可迭代对象的迭代器。然后我们可以对获取到的迭代器不断使⽤next()函数来获取下⼀条数据。iter()函数实际上就是调⽤了可迭代对象的 iter ⽅法。li = [11,22,33,44,55]li_iter = iter(li)next(li_iter) 11next(li_iter) 22next...

1、tf.data.Dataset.from_tensor_slices它的作用是切分传入Tensor的第一个维度，生成相应的dataset。将输入的张量的第一个维度看做样本的个数，沿其第一个维度将tensor切片，得到的每个切片是一个样本数据。实现了输入张量的自动切片。可以是numpy格式，也可以是tensorflow的tensor的格式，函数会自动将numpy格式转为tensorflo...

tf.bitcast在不复制数据的情况下将tensor从一种数据类型转换为另一种类型。tf.bitcast( input, type, name=None)参数说明：input - 配置需要进行类型转换的Tensor，Tensor的类型可以为：bfloat16, half, float32, float64, int64, int32, uint8, uin...

我在cmd中安装用pip3 install opencv-python 命名安装了opencv，在cmd中用以下命名： 能够正确的导入cv2库，但是，我在anaconda下的Spyder和jupyter notebook以及pycharm（想了解在Pycharm中设置Anaconda环境，见博文）中却不能正确的导入cv2库。于是我按照如下方法成功的安装了opencv库。1、首先我在...

1、tensor的加减乘除求余取整（+-*/%//）注，这里的乘（*）是矩阵的对应元素相乘一个/是数学中除法，两个//是取整b = tf.fill([2, 2], 2.)a = tf.ones([2, 2])a + b, a - b, a* b, a/bOut[137]:(<tf.Tensor: shape=(2, 2), dtype=float32, numpy=ar...

Broadcasting机制是张量维度扩张的手段，但是没有在数据层面上的复制。是一种数据优化的手段。高效且直观。其过程：给需要位置插入 1 个维度（dim）。给 dim 为 1 的扩展成所需的数量。例如：Feature maps: [4, 32, 32, 3]Bias: [3] → [1, 1, 1, 3] → [4, 32, 32, 3] 解释...

Reshape函数的作用是将tensor变换为参数shape的形式，其中shape为一个列表形式，特殊的一点是列表中可以存在-1-1代表的含义是不用我们自己指定这一维的大小，函数会自动计算，但列表只能存在一个-1。（如果存在多个-1，就是一个存在多解的方程）a = tf.random.normal([4, 28,28, 3])a.shape, a.ndimOut[74]: (Tenso...

常规索引直接索引import tensorflow as tfa = tf.ones([1, 5, 5, 3])a[0][0]Out[5]:<tf.Tensor: shape=(5, 3), dtype=float32, numpy=array([[1., 1., 1.], [1., 1., 1.], [1., 1., 1.], [...

通过Numpy和list来创建Tensor首先导入库：import tensorflow as tfimport numpy as np直接通过convert_to_tensor来创建通过numpy来传入参数tf.convert_to_tensor(np.ones([2, 3]))Out[85]:<tf.Tensor: shape=(2, 3), dtype=float...

TensorFlow2.0的数据类型有：int, float, doubleboolstring首先我们简单的创建数据类型：注：constant，我们TensorFlow1.0版本时，我们将它理解为一个常量，但在TensorFlow2.0时我们将它就理解一个普通的Tensorimport tensorflow as tf# 创建一个整型的Tensortf.consta...