![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
数据挖掘
文章平均质量分 65
kangshuangzhu
这个作者很懒,什么都没留下…
展开
-
tf中的scope探索,以及tf.variable_scope和 tf.VariableScope的关系和区别
“withtf.variable_scope("scope_name") as vs:”上面这句是我们最常用的语句之一,用来定义一个域,以方便对变量进行操作,tf.variable_scope("scope_name") 会得到一个variable_scope的类。但是,如果我们用函数tf.get_variable_scope() 来获取当前域。会得到yyy = tf.variable_scope('scope_name')print(yyy)sss = tf.get_variable_.原创 2021-10-20 02:30:58 · 777 阅读 · 0 评论 -
tf.keras.layers 和 tf.layers 的一个区别
创建全连接层的时候tf 1.15 提供了2个函数:tf.keras.layers.Dense和 tf.layers.Dense这2个函数的用法看上去一模一样tf.keras.layers.Dense( units, activation=None, use_bias=True, kernel_initializer='glorot_uniform', bias_initializer='zeros', kernel_regularizer=None, bias_regu...原创 2020-09-03 16:32:47 · 2821 阅读 · 1 评论 -
tensorflow 1.15 关于变量的一些思考
tensorflow 1.15 中有2种方法可以定义变量tf.Variable()tf.get_variable()具体用法不在赘述。他们的主要区别在于对于vriable重名的处理,如果tf.Variable() 遇到重名变量,则会在原来的变量名后面加上_1,_2......而get_vairable如果定义到重名变量,则会报错。无论是在后面加上后缀还是报错,我们都可以看出来,tensorflow 1.15 绝不允许出现重名变量,这是为什么呢?这是因为在tensorflow1.15原创 2020-08-31 17:17:25 · 501 阅读 · 0 评论 -
tensorflow 对tensor维度的理解和操作
tensorflow中经常对tensor的维度和维度操作感觉特别晕,今天做一个整理。首先tensor 的维度从外向里依次是第0维,第1维,第2维。。。。例如aaa = tf.constant([[[1,1,1,1,1,1],[2,2,2,2,2,2],[3,3,3,3,3,3]],[[1,1,1,1,1,1],[2,2,2,2,2,2],[3,3,3,3,3,3]]]最外层的括号里有2个元素[[1,1,1,1,1,1],[2,2,2,2,2,2],[3,3,3,3,3,3]]和[[1,1,原创 2020-08-30 23:12:29 · 3045 阅读 · 0 评论 -
【转载】tensorflow中的batch_norm以及tf.control_dependencies和tf.GraphKeys.UPDATE_OPS的探究
笔者近来在tensorflow中使用batch_norm时,由于事先不熟悉其内部的原理,因此将其错误使用,从而出现了结果与预想不一致的结果。事后对其进行了一定的调查与研究,在此进行一些总结。一、错误使用及结果笔者最先使用时只是了解到了在tensorflow中tf.layers.batch_normalization这个函数,就在函数中直接将其使用,该函数中有一个参数为training,在训练阶段赋值True,在测试阶段赋值False。但是在训练完成后,出现了奇怪的现象时,在training赋值为Tr转载 2020-08-30 17:36:35 · 726 阅读 · 1 评论 -
tensorflow 1.15一些命令
tf.assign这个函数很简单,但其实它是有return的,返回值和赋值相同,而且返回值是深度拷贝。global_step = tf.Variable(0, name='global_step', trainable=False)print("id_global",id(global_step))with tf.Session() as sess: sess.run(tf.global_variables_initializer()) print("global_step",原创 2020-08-28 15:52:07 · 754 阅读 · 0 评论 -
tensorflow 1.1x 和 tensorflow2.x 中的api总结
tensorflow2 发布以后,动态图和eager execution成为默认模式。同时api和命令都有了非常大的精简,tensorflow 1.1x的api混乱程度令人发指,如果tf不是谷歌出的,按照这种混乱度绝对成不了主流。尽管很多tensorflow 2 已经发布了很久,但是由于一些历史问题 1.1x 版本仍然有很多人在学习。这里结合两个版本的api,进行一个梳理,标注出一些 tf 2.x 已经被废弃或者不被建议使用的api,这类api在学习tensorflow1 的时候 尽量避开,以减少后原创 2020-08-27 11:07:43 · 871 阅读 · 0 评论 -
tf.nn.embedding_lookup_sparse 详解
tf.nn.embedding_lookup_sparse和tf.nn.embedding_lookup 都是用于embedding查表的函数。这2个函数跳过把特征onehoe,然后再用onehot的向量与embeedding矩阵做矩阵乘法的过程。下面来看他们的用法:tf.nn.embedding_lookup_sparse( params, sp_ids, sp_weights, combiner=None, max_norm=None, name=None) Args...原创 2020-08-24 12:41:59 · 6340 阅读 · 1 评论 -
tensorflow之dataset详解
dataset是什么?Dataset可以看作是相同类型“元素”的有序 列表。在实际使用时,单个“元素”可以是向量,也可以是字符串、图片,甚至是tuple或者dict。Dataset是google点名建议的读取数据的方式,所以在tf使用中有很重要的地位。这个描述其实已经描述了dataset,他是一个可迭代对象,而且是有序的,而且每个元素的类型相同。在工作中为了方便理解,我一般把它看作java中的List<T>,即声明了泛型的有序集合List。从python的角度看的话,就是规定了所有元素类原创 2020-08-20 16:46:08 · 8470 阅读 · 0 评论 -
tensorflow ImportError: DLL load failed: 已解决
这个问题多见于tensorflow 2.1以上,因为tensorflow默认调用gpu,所以以来一些动态链接文件,通过下面的链接下载Microsoft Visual C++ Redistributable for Visual Studio 2015, 2017 and 2019. 安装即可解决问题注意:一定要是Microsoft Visual C++ Redistributable for Visual Studio 2015, 2017 and 2019. 其他版本不管用。https://s..原创 2020-08-19 16:06:37 · 195 阅读 · 0 评论 -
tfrecord格式的内容解析及样例
TFRecord 是谷歌推荐的一种二进制文件格式,理论上它可以保存任何格式的信息。tfreocrd的核心是其包含一系列的example,每个example可以认为是一条样本(鉴于很多地方样本概念模糊,这里的样本指label+特征)。example是tensorflow中的对象类型,用法是tf.train.example。tf.train.example 只有一个属性features。features也是tensorflow的一个对象类型tf.train.Features,tf.train.Featu原创 2020-06-16 11:32:18 · 3253 阅读 · 0 评论 -
sklearn.ensembel.GradientBoosting源码分析
原创 2019-09-11 14:53:49 · 244 阅读 · 0 评论 -
word2vec的实践遇到的问题(针对CBOW)
本来工作不会涉及NLP,但是最近在学习deppFM的时候看到了embedding的过程。对于弄不明白的算法,心里永远都用不踏实,于是在查询embedding的资料的时候发现,embedding(嵌入)的概念来自nlp,甚至在tensorflow的官方文档中,都以文本作为主要例子来介绍embedding。 embedding的概念出于word embedding,是...原创 2019-06-22 23:29:03 · 1035 阅读 · 0 评论 -
python卸载升级numpy提示“访问拒绝”解决方法
只需要在升级或者卸载命令后加上--user,即可原创 2019-07-16 10:29:02 · 3910 阅读 · 2 评论