ls617386的博客

今天学习了下TensorFlow官方网站上CIFAR10的部分，发现有一些API以前没有见过，这里整理了一下。 CIFAR10教程地址1.首先是一些参数的初始化FLAGS = tf.app.flags.FLAGS# Basic model parameters.tf.app.flags.DEFINE_integer('batch_size', 128,

TensorFlow支持分布式计算，首先看了一下官方文档中如何配置。 官方文档中提供了下面一个例子import tensorflow as tfc = tf.constant("Hello, distributed TensorFlow!")server = tf.train.Server.create_local_server()sess = tf.Session(server.targe

TensorFlow中有两部分都介绍了MNIST，其中MNIST for ML Beginners介绍了一些关于Machine Learning的基本知识。这里只介绍Deep MNIST for Experts部分加载MNIST数据类mnist 中存储有training, validation, test用的数据，数据类型为NumPy assays，同时也提供了以minibatches为单位的迭代f

tensorflow 提供两个层次的API，底层的TensorFlow Core提供完整的控制，适用于研究者。高层的使用起来则更简单，如tf.contrib.learn，但是contrib仍在更新中TensorFlow Core层的操作TensorFlow中的数据单元都是用tensor表示，tensor的rank代表它的维度使用时首先需要import import tensorflow as t

今天重新装了下系统，用的Ubuntu16.04，准备安装Tensorflow GPU版 安装过程如下： 1. 首先按照官网提示安装Cuda 安装Cuda网站上的步骤安装即可，安装过程中没有出现问题，注意需要设置两个路径PATH和LD_LIBRARY_PATH 之后验证安装是否成功 1) 首先将一些sample文件放在便于修改的路径中 cuda-install-samples-8.0.s

TensorBoard是TensorFlow的一个可视化工具，界面如下所示 Serializing the dataTensorBoard读取TensorFlow的events文件，这些文件在运行TensorFlow时可以保存下来。如果想要记录learning rate和目标函数。可以将tf.summary.scalar放在相应的节点上。tf.summary.scalar("learning

安装安装tensorflow-gpu最新版的tensorflow不支持cuda8.0， 因此，这里安装了tensorflow1.4，用清华的镜像： pip install \ -i https://pypi.tuna.tsinghua.edu.cn/simple/ \ https://mirrors.tuna.tsinghua.edu.cn/tensorflow...