tensorflow
文章平均质量分 62
_不二_
www.codecup.cn
展开
-
Tensorflow 官方文档 Feed章节有误
Tensorflow 官方文档 Feed章节有误教程中input1 = tf.placeholder(tf.types.float32)运行时会报错: input1 = tf.placeholder(tf.types.float32)AttributeError: 'module' object has no attribute 'types'其中tf.types.float32要去掉typ原创 2017-07-20 10:58:16 · 232 阅读 · 0 评论 -
Tensorflow-LSTMRNN例子
使用Rnn预测一段波形的序列导入模块 import tensorflow as tf import numpy as np import matplotlib.pyplot as plt from tensorflow.contrib import rnn设置参数 batch_start = 0 #建立batch_data 的索引 time_steps = 2原创 2017-09-28 14:05:20 · 529 阅读 · 0 评论 -
Tensorflow-LSTM RNN 例子
这次使用 RNN 来进行分类的训练 (Classification). 会继续使用到手写数字 MNIST 数据集. 让 RNN 从每张图片的第一行像素读到最后一行, 然后再进行分类判断. 定义 RNN 主体结构在这个这个 RNN 总共有 3 个组成部分 ( input_layer, cell, output_layer). 大概就是这些,demo 看下面:#coding:utf-8impo原创 2017-09-18 15:48:34 · 2409 阅读 · 1 评论 -
Tensorflow Classification 分类学习
之前的博客的例子都是Regression (回归)问题。 分类和回归的区别在于输出变量的类型上。 通俗理解定量输出是回归,或者说是连续变量预测; 定性输出是分类,或者说是离散变量预测。如预测房价这是一个回归任务; 把东西分成几类, 比如猫狗猪牛,就是一个分类任务。 要做分类学习就需要准备数据原创 2017-09-07 16:40:57 · 453 阅读 · 0 评论 -
Tensorflow 可视化 Tensorboard 1
Tensorflow 自带的 tensorboard 去可视化我们所建造出来的神经网络是一个很好的学习理解方式。用最直观的流程图告诉你你的神经网络是长怎样,有助于你发现编程中间的问题和疑问。 这次只是简单展示tensorboard的简单使用。所以demo还是使用上上片博客的demo,只是对一里面的一下层和必要参数进行了包装。这次展示的图是这样的。 图上有三层 我们的代码里面也是只有简单的原创 2017-09-07 13:45:25 · 285 阅读 · 0 评论 -
Tensorflow 可视化 Tensorboard2 训练过程
TesorBorad除了可以可视化整个神经网络结构的过程以外 tensorboard还可以可视化训练过程( b w 变化过程)。下图展示不同标签显示的不同数据过程 显示训练过程的关键方法层中的变化数据会在DISTRIBUTIONS 和 HISTOGRAMS 里面出现tensorflow中提供了tf.summary.histogramy()方法,用来绘制图片, 第一个参数是图表的名称, 第二个参数是原创 2017-09-07 15:57:06 · 1000 阅读 · 0 评论 -
Tensorflow 优化器 optimizer
Tensorflow 的可用 optimizer 从下面的图片可以看出tensorflow提供的几种优化器。下图是不同优化算法的损失曲面和时间演化的轮廓。 从上图看 SGD 并不是最快速的训练方法, 红色的线是 SGD, 但它到达学习目标的时间是在这些方法中最长的一种. 我们还有很多其他的途径来加速训练.下图优化可视化,其中沿着不同维度的曲率具有不同的符号(一维向上和向下弯曲)。 请注意,S原创 2017-09-07 11:19:02 · 527 阅读 · 0 评论 -
Tensorfow 之 结果可视化
安装 中输出结果可视化模块 Matplotlibimport matplotlib.pyplot as plt使用上篇博客的例子,在里面添加了可视化的部分,就可以将这先乏味的数据通通图像更直观的查看了。 首先需要的是构建图形,用散点图描述真实数据之间的关系。 每隔50次训练刷新一次图形,用红色、宽度为5的线来显示我们的预测数据和输入之间的关系,并暂停0.1s主要代码:with tf.Sessi原创 2017-09-07 09:58:53 · 1174 阅读 · 0 评论 -
Tensorflow - CNN 卷积神经网络
在神经网络中加入CNN会大幅度 提升代码的准确率。在之前的博客中有提到过分类,但那当时测试的最终得到的概率并不理想,这次我们换掉那个神经网络,使用CNN劵积神经网络,再跑一次分类看看效率如何。 这次使用的劵积结构是 卷积层和最大池化层 相互交替 然后在最末端连接几层全连接层,看下图。 话不多说,上代码:# coding:utf-8import tensorflow as tf i原创 2017-09-14 15:13:21 · 313 阅读 · 0 评论 -
Tensorflow 构造一个简单的神经网络
神经层里常见的参数通常有weights、biases和激励函数。看demo#coding:utf-8import tensorflow as tf #定义添加神经层的函数def add_layer(),它有四个参数:#输入值、输入的大小、输出的大小和激励函数,我们设定默认的激励函数是Nonedef add_layer(input,input_size,output_seiz,activatio原创 2017-09-06 15:33:29 · 447 阅读 · 0 评论 -
Tensorflow 激励函数 Activation Function
Tensorflow 提供的一些 激励函数 运行时激活神经网络中某一部分神经元,将激活信息向后传入下一层的神经系统。激励函数的实质是非线性方程。 Tensorflow 的神经网络 里面处理较为复杂的问题时都会需要运用激励函数 activation function. 如下图 在少量层结构中, 我们可以尝试很多种不同的激励函数. 在卷积神经网络 Convolutional neu原创 2017-09-06 15:13:30 · 1786 阅读 · 0 评论 -
Tensorflow Placeholder 传入值
placeholder 是 Tensorflow 中的占位符,暂时储存变量。 Tensorflow 如果想要从外部传入data, 那就需要用到tf.placeholder(), 然后以这种形式传输数据* sess.run(…, feed_dict={input: …})*. 例子 输入两个数做乘法输出#-*- coding:utf-8 -*-import tensorflow as t原创 2017-09-06 15:00:53 · 317 阅读 · 0 评论 -
Tensorflow之Variable
Tensorflow 中,定义了某字符串是变量,它才是变量,这一点是与 Python 所不同的。 定义语法state = tf.Variable()demo做一个数字加法运算#-*- coding:utf-8 -*-import tensorflow as tf#定义变量 给定初始值和名字state = tf.Variable(0,name='state_name')print s原创 2017-09-06 14:30:03 · 279 阅读 · 0 评论 -
Tensorflow之Session
Session 是 Tensorflow 为了控制,和输出文件的执行的语句。 运行 session.run() 可以获得要得知的运算结果, 或者是所要运算的部分。 下面通过一个demo展示session的使用。建立两个 矩阵 ,输出两个 矩阵相乘的结果。 coding:utf-8 -*-import tensorflow as tf#创建两个矩阵matrix1 = tf.constant([[5原创 2017-09-06 14:29:28 · 340 阅读 · 0 评论 -
Tensorflow 处理结构
Tensorflow 首先要定义神经网络的结构, 然后再把数据放入结构当中去运算和 training. tensorflow的中文翻译就是向量在这个结构里面飞.因为TensorFlow是采用数据流图(data flow graphs)来计算, 所以首先我们得创建一个数据流流图, 然后再将我们的数据(数据以张量(tensor)的形式存在)放在数据流图中计算. 节点(Nodes)在图中表示数学原创 2017-09-06 11:18:27 · 276 阅读 · 0 评论 -
Tensorflow 及安装
关于TensorflowTensorflow 官网 TensorFlow是Google开发的一款神经网络的Python外部的结构包, 也是一个采用数据流图来进行数值计算的开源软件库。TensorFlow 让我们可以先绘制计算结构图, 也可以称是一系列可人机交互的计算操作, 然后把编辑好的Python文件 转换成 更高效的C++, 并在后端进行计算。 TensorFlow 无可厚非地能被认定为原创 2017-09-06 10:02:15 · 254 阅读 · 0 评论 -
Tensorflow 解决 overfitting
Overfitting 也被称为过度学习,过度拟合。 它是机器学习中常见的问题 举个Classification(分类)的例子。看下图 图中黑色曲线是正常模型,绿色曲线就是overfitting模型。尽管绿色曲线很精确的区分了所有的训练数据,但是并没有描述数据的整体特征,对新测试数据的适应性较差 看下图 TensorFlow提供了强大的dropout方法来解决overfitting原创 2017-09-08 14:21:30 · 888 阅读 · 0 评论 -
Tensorflow-常用函数
下面是一些重要的操作/核: 操作组 操作 Maths Add, Sub, Mul, Div, Exp, Log, Greater, Less, Equal Array Concat, Slice, Split, Constant, Rank, Shape, Shuffle Matrix MatMul, MatrixInverse, Matrix原创 2017-09-28 15:36:21 · 432 阅读 · 0 评论