TensorFlow学习笔记
学习深度学习时候的一些笔记、经验与感想之类的,方便自己学习途中翻阅,也分享给别人,少踩一些坑不是。很多东西学过去之后想全部记住也记不住,只要知道这个东西它都能实现些什么功能能干些什么事就够了,在写程序的时候你需要实现什么,这时候再去查找就足够了,用着用着自然就记住了。
零尾
为了艾泽拉斯
展开
-
深度学习实战教程(3)--(TensorFlow)inception_v4模型跑Google Flower数据集
模型:slim框架下的Inception_v4模型 Inception_v4的Checkpoint:http://download.tensorflow.org/models/inception_v4_2016_09_09.tar.gz 数据集:google的flower数据集http://download.tensorflow.org/example_images/flower_photos.原创 2017-07-27 11:10:09 · 27205 阅读 · 39 评论 -
TensorFlow安装--(方法3)Anaconda方式下查看TensorFlow版本选择性安装(Windows10 64位CPU/GPU)
其它环节与通过Anaconda环境配置方式一样,就是在安装TensorFlow时不直接使用pip install --upgrade --ignore-installed tensorflow-gpu命令,而是根据需求选择TensorFlow版本安装。原创 2017-07-15 17:50:50 · 17033 阅读 · 3 评论 -
TensorFlow安装--(方法1)系统自带Python,VirtualEnv方式安装(Ubuntu14.04 64位CPU)
TensorFlow基于 VirtualEnv 的安装环境:ubuntu14.04 64位;python2.7原创 2017-02-05 16:26:05 · 6945 阅读 · 0 评论 -
TensorFlow安装--(方法2)GPU环境配置部分(装CPU版跳过不用看)(Windows10 64位 )
之前写了一篇是在 ubuntu 14.04下装 TensorFlow,装的是cpu版本的,又试着装gpu的但是出现了很多蜜汁问题,担心把之前的caffe环境破坏了,既然现在官方支持Windows系统了,就试试在win10 64位下安装 TensorFlow。TensorFlow 有cpu和 gpu两个版本。gpu版本需要英伟达CUDA 和 cuDNN 的支持,cpu版本不需要。原创 2017-02-06 16:35:03 · 24776 阅读 · 2 评论 -
TensorFlow安装--(方法2)Anaconda方式安装(Windows10 64位)
上一篇是通过pip方法安装,这里记录下另一种方法。这里简单写下cpu版安装,gpu版参考上篇先装好cuda和cuDNN在按下面方面安装。原创 2017-02-06 19:21:54 · 48728 阅读 · 6 评论 -
TensorFlow版本升级--之前通过Anaconda安装(Windows)
TensorFlow版本更新原创 2017-07-15 11:54:47 · 14963 阅读 · 0 评论 -
TensorFlow学习笔记(10)--实现AlexNet
AlexNet的出现意义非常重大,它证明了CNN在复杂模型下的有效性,而且使用GPU使得训练在可接受的时间范围内得到结果原创 2017-06-05 19:19:22 · 13365 阅读 · 5 评论 -
TensorFlow学习笔记(9)--使用CNN做英文文本分类任务
文中代码是实现在TensorFlow下使用卷积神经网络(CNN)做英文文本的分类任务(本次是垃圾邮件的二分类任务),当然垃圾邮件分类是一种应用环境,模型方法也可以推广到其它应用场景,如电商商品好评差评分类、正负面新闻等。原创 2017-05-25 10:38:55 · 15572 阅读 · 28 评论 -
TensorFlow学习笔记(8)--网络模型的保存和读取
之前的笔记里实现了softmax回归分类、简单的含有一个隐层的神经网络、卷积神经网络等等,但是这些代码在训练完成之后就直接退出了,并没有将训练得到的模型保存下来方便下次直接使用。为了让训练结果可以复用,需要将训练好的神经网络模型持久化,这就是这篇笔记里要写的东西。TensorFlow提供了一个非常简单的API,即tf.train.Saver类来保存和还原一个神经网络模型。下面代码给出了保存Tenso原创 2017-03-16 11:23:53 · 57985 阅读 · 25 评论 -
TensorFlow学习笔记(7)--实现卷积神经网络(同(5),不同的程序风格)
实现卷积神经网络,MNIST数据集原创 2017-03-15 20:27:32 · 24570 阅读 · 8 评论 -
TensorFlow学习笔记(6)--GPU报错(cuDNN版本该升级了)
在跑TensorFlow学习笔记(5)–基于MNIST数据集的卷积神经网络 代码的时候,出现了GPU报错的情况,确切来说应该是cuDNN版本太低的问题,我之前装的是v5.0版的,所以现在是需要换个5.1的意思喽0.0,这里也顺便给出cuDNNv5.1版本下载地址,懒得申请就直接云盘拿吧原创 2017-03-09 10:52:11 · 4065 阅读 · 0 评论 -
TensorFlow学习笔记(5)--实现卷积神经网络(MNIST数据集)
这里使用TensorFlow实现一个简单的卷积神经网络,使用的是MNIST数据集。网络结构为:数据输入层--卷积层1--池化层1--卷积层2--池化层2--全连接层1--全连接层2(输出层),这是一个简单但非常有代表性的卷积神经网络。原创 2017-03-08 17:35:55 · 9267 阅读 · 2 评论 -
TensorFlow学习笔记(4)--实现多层感知机(MNIST数据集)
前面使用TensorFlow实现一个完整的Softmax Regression,并在MNIST数据及上取得了约92%的正确率。现在建含一个隐层的神经网络模型(多层感知机)。原创 2017-03-08 11:45:30 · 5279 阅读 · 0 评论 -
TensorFlow学习笔记(3)--实现Softmax逻辑回归识别手写数字(MNIST数据集)
基于MNIST数据集的 逻辑回归模型做十分类任务没有隐含层的Softmax Regression只能直接从图像的像素点推断是哪个数字,而没有特征抽象的过程。多层神经网络依靠隐含层,则可以组合出高阶特征,比如横线、竖线、圆圈等,之后可以将这些高阶特征或者说组件再组合成数字,就能实现精准的匹配和分类。原创 2017-03-06 22:15:24 · 5152 阅读 · 1 评论 -
TensorFlow学习笔记(2)--构造线性回归模型
先制作一些数据:import numpy as npimport tensorflow as tfimport matplotlib.pyplot as plt# 随机生成1000个点,围绕在y=0.1x+0.3的直线周围原创 2017-03-04 17:34:47 · 3479 阅读 · 0 评论 -
TensorFlow学习笔记(1)--TensorFlow简介,常用基本操作
要将深度学习更快且更便捷地应用于新的问题中,选择一款深度学习工具是必不可少的步骤。TensorFlow是谷歌于2015年11月9日正式开源的计算框架。TensorFlow计算框架可以很好地支持深度学习的各种算法。原创 2017-02-08 17:07:25 · 16393 阅读 · 2 评论