![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
TensorFlow
_Summer tree
这个作者很懒,什么都没留下…
展开
-
TensorFlow实现mnist书写数字分类,出现please use urllib or similar directly错误。
https://codeday.me/bug/20181231/475924.html原创 2019-05-15 20:10:37 · 9432 阅读 · 8 评论 -
深度学习 | TensorFlow 命名机制和变量共享、变量赋值与模型封装
TensorFlow 命名机制、变量赋值与模型封装命名机制与变量共享TF 中的命名机制tf.name_scope, tf.variable_scope 管理方式的异同案例:RNN 中的共享变量名字空间、变量重用简单总结案例:训练测试模型共享变量赋值与更新变量初始化变量更新变量更新案例 1: 不用 assign变量更新案例 2:assign 与数据驱动的机制变量更新案例 3class 封装命名机制...原创 2019-05-14 10:46:37 · 884 阅读 · 0 评论 -
深度学习 | TFSlim介绍
TFSlim介绍TFSlim 简介TFSlim 中包含的独立组件模型定义变量TFSlim变量分类TFSlim变量管理TFSlim LayersTFSlim Layers 搭建网络TFSlim arg_scopeTFSlim VGG-16模型训练TF-Slim 基本编程框架TF-Slim 基本编程框架:LossTF-Slim 基本编程框架:Training LoopTF-Slim 基本编程框架:VG...原创 2019-05-21 09:57:39 · 615 阅读 · 0 评论 -
深度学习 | TensorFlow 可视化
TensorFlow 可视化TensorBoard简介什么是TensoBoardTensorboard 能帮助我们看到什么怎样启动 Tensorboard?Tensorboard 基础TF 程序中添加 Tensorboard 日志记录方法通过TensorBoard查找编程错误输出中间数据添加代码以查看中间数据TensorBoard进行超参数搜索梯度、特征可视化数据分布可视化TensorBoard...原创 2019-06-17 21:00:36 · 671 阅读 · 0 评论 -
深度学习 | 实战2-TensorFlow基础
GitHub源码要求假设有函数y = cos(ax + b), 其中a为学号前两位,b为学号最后两位。首先从此函数中以相同步长(点与点之间在x轴上距离相同),在0<(ax+b)<2pi范围内,采样出2000个点,然后利用采样的2000个点作为特征点进行三次函数拟合(三次函数形式为 y = w1 * x + w2 * x^2 + w3 * x^3 + b, 其中wi为可训练的权值,b...原创 2019-07-17 16:49:20 · 645 阅读 · 0 评论 -
深度学习 | 实战3-设计变量共享网络进行MNIST分类
Github源码要求设计变量共享网络进行MNIST分类:网络结构如图所示:其将图片样本分为上下两半X1,X2;分别送入input1,input2。后续的两个路径的线性加权模块 X_W=X*W 共享一个变量 name=‘w’整个分类模型可描述为 softmax( X_W(X1)+X_W(X2)+b)模型及流程可以参考我们课件part1上最后的那个一层全连接分MNIST的代码例子要求:...原创 2019-07-17 16:57:00 · 838 阅读 · 0 评论 -
深度学习 | 实战4-将LENET封装为class,并进行分类
Github源码要求将LENET封装为class,并用此封装好的lenet对minist进行分类。有关lenet定义请参考卷积网络课件最后2页;class封装的内容,请参考class封装课件1. lenet 结构如附件描述。注意:(1)lenet 输入为32x32,而minist为28x28,故需要先对数据进行填充,例如:import numpy as np#Pad images ...原创 2019-07-17 18:35:23 · 610 阅读 · 0 评论 -
深度学习 | 实战5-用slim 定义Lenet网络,并训练测试
Github源码要求Slim Lenet用slim 定义Lenet网络,并训练测试。要求:将Lenet 单独定义到Lenet.py 文件可以定义为一个函数,例如:def lenet(images):用with slim.arg_scope …: 去管理 lenet中所有操作的默认参数, 例如activation_fn, weights_initializer, 等。。。...原创 2019-07-17 18:44:14 · 846 阅读 · 0 评论 -
深度学习 | 实战6-利用tensorboard实现卷积可视化
Github源码要求卷积可视化:在Lenet中,分别使用ReLU及sigmoid激活函数,观察不同情况下,Lenet学习MNIST分类时,参数的变化。并在最终训练好Lenet的情况下,观察分类操作前的最后一个全连接层fc2的84位特征向量,比较不同类型样本的fc2特征图。要求:提交代码,文档。文档包括可视化截图。(1)tensorboard可视化包括:loss, acc, w、b参数的...原创 2019-07-17 18:54:23 · 1315 阅读 · 0 评论 -
深度学习 | 实战7- 连体网络MINIST优化
Github源码要求输入为两个MNIST图片,以及两者是否为相同数字的标签(0为相同数字,1为不同数字),输出为网络给出两者是否为同一数字的预测结果。网络结构可以自己设计。比如两层网络:hidden1:784(28x28)->500; hidden2: 500->10,使用relu。也可以尝试Lenet网络或其他结构。要求:1. 构建平衡测试集:(1)正例(同一数字对)、反例(...原创 2019-07-17 19:01:36 · 697 阅读 · 0 评论 -
深度学习 | 实战8 - 梯度截断
Github源码要求要求:在lenet MNIST分类中,应用梯度截断,使得梯度更新时,让每个变量的梯度分量保持在 min=-0.001, max=0.001的范围内。比较使用如上要求的梯度截断,和不使用梯度截断时,训练过程中,loss的变化情况。网络采用 lenet,batch size=8,iter=1000,每隔10步打印一次 mnist.validation.next_batch...原创 2019-07-17 19:06:59 · 1357 阅读 · 0 评论 -
深度学习 | 实战9- 参数正则化
Github源码要求参数正则化(一)要求:训练MNIST分类模型,比较不同学习率情况下,loss的收敛情况和实际精度acc的变化情况。比较添加参数正则化方法防止模型过拟合的效果。模型结构要求:使用如下全连接网络:def model(x): w1=tf.Variable(dtype=tf.float32, initial_value=np.random.rand(784,1500)...原创 2019-07-17 20:26:41 · 604 阅读 · 0 评论 -
深度学习 | 工具及实践(TensorFlow)
工具及实践(TensorFlow)tensorFlow 基础:概念与编程魔心深度学习工具包TensorFlow 简介TensorFlow易于学习TensorFlow与pythonTensorFlow 机器学习编程框架TensorFlow线性回归Eager Execution总结tensorFlow 基础:概念与编程魔心深度学习工具包手写深度学习:编程难度大对非科研人员不友好标注无法统一...原创 2019-05-05 19:57:47 · 785 阅读 · 1 评论