TensorFlow实战
金刚哥葫芦娃
这个作者很懒,什么都没留下…
展开
-
【实战TensorFlow】1.神经网络前向传播算法
上图是神经网络的前向传播算法图,还是很简单的,将它写成矩阵形式:1.隐藏层2.输出层3.在TensorFlow中这两个矩阵乘法的表达a = tf.matmul(x, w1)y = tf.matmul(a, w2)4.下面是完整的代码import tensorflow as tf#声明w1,w2两个变量。通过seed参数设定了随机种子,保证每次运行结果原创 2018-01-25 16:46:30 · 349 阅读 · 0 评论 -
【TensorFlow实战】2.完整神经网络例子
# coding=utf-8import tensorflow as tf#NumPy是科学计算工具包,调用生成模拟数据集from numpy.random import RandomState#定义训练数据batch的大小batch_size = 8#定义神经网路的参数w1 = tf.Variable(tf.random_normal([2, 3], stddev=1, se原创 2018-01-27 18:20:10 · 2984 阅读 · 0 评论 -
TensorFlow使用中遇到的错误(更新中)
1.python premade_estimator.py出错错误描述Traceback (most recent call last): File "premade_estimator.py", line 22, in <module> import iris_data File "/home/fboy/tensorflow_code/models/samples/...原创 2018-05-22 21:51:29 · 1355 阅读 · 0 评论 -
【TensorFlow实战】3.MNIST数字识别(1)
目前用的时TensorFlow1.8版本,python3.5,跑书上的例子会出问题,并且书上的代码存在一处错误,下面的代码时我亲测可用的。import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_data#MNIST数据集相关的常数INPUT_NODE = 784 #输入层节点数,对于...原创 2018-07-17 22:47:19 · 402 阅读 · 2 评论 -
【TensorFlow实战】5.损失函数(1)
分类问题和回归问题是监督学习的两大类。分类问题希望解决的是将不同的样本分到事先定义好的类别中,比如判断一个零件是否合格就是一个二分类问题。在这个问题中需要将样本(也就是零件)分到合格或者是不合格两个类别中。手写数字体识别问题可以看作是十分类问题,也就是将一张包含了手写数字的图片分类到0~9这十个数字中。在解决零件是否合格的二分类问题中,定义一个有单个输出节点的神经网络。当这个节点的输出越接近0...原创 2018-08-01 16:25:27 · 1042 阅读 · 0 评论 -
【TensorFlow实战】6.损失函数(2)
TensorFlow不仅支持经典的损失函数,还可以任意的自定义损失函数。下面将介绍如何通过自定义损失函数的方法,使得神经网络优化的结果更接近实际问题的需求。在下面的介绍中将以预测商品销量问题为例。在预测商品销量中,如果预测多了(预测值比实际销量大),商家损失的是生产商品的成本;而如果预测少了(预测值比真实小销量小),损失的是商品的利润。因为一般商品的成本和利润不会严格相等。例如一个商品的成本是...原创 2018-08-01 19:05:10 · 207 阅读 · 0 评论 -
【TensorFlow实战】4.MNIST数字识别(2)
在实战3给出的程序(点我)来解决MNIST问题,但是这个程序的可扩展性不好。本节例程将训练和测试分成两个独立的程序,这可以使得每一个组件更加灵活。训练神经网络的程序可以持续输出训练好的模型,而测试程序可以每隔一段时间检验最新模型的正确率,如果模型效果更好,则将这个模型供给产品使用。除了将不同功能模块分开,本节还将前向传播过程抽象成一个单独的库函数。因为神经网络的前向传播在训练和测试的过程中都会使用...原创 2018-08-01 19:54:58 · 213 阅读 · 0 评论 -
【TensorFlow实战】7.卷积神经网络(1)------神经网络主要组成结构
一般卷积神经网络主要由以下5种结构组成:1.输入层。输入层是整个神经网络的输入,在处理图像的卷积神经网络中,它一般代表了一张图片的像素矩阵。一般由一个三维矩阵表示,三维矩阵的长和宽代表了图像的大小,而三维矩阵的深度代表了图像的彩色通道。比如黑白图像的深度为1,而RGB图项的深度为3。从输入层开始,卷积神经网络通过不同的神经网络结构将上一层的三维矩阵转化为下一层的三维矩阵,直到最后的全连接层。...原创 2018-08-03 14:47:46 · 509 阅读 · 0 评论 -
【TensorFlow实战】8.卷积神经网络(2)------LeNet-5模型
LeNet-5模型时Yann LeCun教授于1998年在论文Gradient-bashed learning applied to document recognition中提出的,它是第一个成功应用于数字识别问题的卷积神经网络。在MNIST数据集上,LeNet-5模型可以达到99.2%的正确率。LeNet-5模型总共有7层,下图是LeNet-5模型的架构。下面介绍LeNet-5模型的每...原创 2018-08-03 15:43:26 · 1263 阅读 · 1 评论