tensorflow
文章平均质量分 81
频率52HZ
好记性不如烂笔头!!!
展开
-
tensorflow学习笔记一:入门基础
TensorFlow用张量这种数据结构来表示所有的数据。用一阶张量来表示向量,如:v = [1.2, 2.3, 3.5] ,如二阶张量表示矩阵,如:m = [[1, 2, 3], [4, 5, 6], [7, 8, 9]],可以看成是方括号嵌套的层数。1、编辑器编写tensorflow代码,实际上就是编写py文件,最好找一个好用的编辑器,如果你用vim或gedit比较顺手,那也可以的啦。我们既然已...转载 2018-06-14 21:16:39 · 225 阅读 · 0 评论 -
TensorFlow实战:TensorFlow中的CNN
这里按照官方api介绍官方api点这里卷积不同的ops下使用的卷积操作总结如下:conv2d:Arbitrary filters that can mix channels together(通道混合处理的任意滤波器) depthwise_conv2d:Filters that operate on each channel independently.(单独处理每个通道的滤波器)...原创 2018-08-04 16:38:56 · 8115 阅读 · 2 评论 -
Python3.x UnicodeDecodeError: 'ascii' codec can't decode byte 0x90
training_data, validation_data, test_data = pickle.load(f)改为即可,training_data, validation_data, test_data = pickle.load(f,encoding='bytes')原创 2018-07-06 11:03:23 · 1060 阅读 · 0 评论 -
TensorFlow实战:入门
TensorFlow计算模型-计算图TensorFlow中所有的计算都会被转换为计算图上的节点。如果说TensorFlow的Tensor是计算图的数据结构,那么Flow则体现了它的计算模型。我们这里详细了解一下计算图的使用.计算图的简单示例通过变量实现神经网络前向传播过程# coding:utf8import tensorflow as tf#声明w1,w2两个变量,这里还通过seed参...转载 2018-06-25 20:39:55 · 1150 阅读 · 0 评论 -
TensorFlow实战:多层感知机
首先,载入TensorFlow并加载MNIST数据集,创建一个TensorFlow默认的Interactive Session,这样后面执行各项操作就无须指定Session了。from tensorflow.examples.tutorials.mnist import input_dataimport tensorflow as tfmnist = input_data.read_data...原创 2018-06-25 10:48:25 · 244 阅读 · 0 评论 -
TensorFlow实战:自编码器
当拥有很多的标注数据时,可以训练一个深层的神经网络。但是没有标注的数据时,依然可以利用无监督的自编码器来提取特征。自编码器(AutoEncoder),顾名思义,即可以使用自身的高阶特征编码自己。自编码器其实也是一种神经网络,它的输入和输出是一致的,它借助稀疏编码的思想,目标是使用稀疏的一些高阶特征重新组合来重构自己。因此,它的特点非常明显:第一,期望输入/输出一致;第二,希望使用高阶特征来重构自己...原创 2018-06-24 21:11:07 · 745 阅读 · 0 评论 -
tensorflow学习笔记十二:十图详解tensorflow数据读取机制
一、tensorflow读取机制图解首先需要思考的一个问题是,什么是数据读取?以图像数据为例,读取数据的过程可以用下图来表示:假设我们的硬盘中有一个图片数据集0001.jpg,0002.jpg,0003.jpg……我们只需要把它们读取到内存中,然后提供给GPU或是CPU进行计算就可以了。这听起来很容易,但事实远没有那么简单。事实上,我们必须要把数据先读入后才能进行计算,假设读入用时0.1s,计算用...转载 2018-06-17 10:56:07 · 287 阅读 · 0 评论 -
tensorflow学习笔记十一:用别人训练好的模型来进行图像分类
谷歌在大型图像数据库ImageNet上训练好了一个Inception-v3模型,这个模型我们可以直接用来进来图像分类。下载地址:https://storage.googleapis.com/download.tensorflow.org/models/inception_dec_2015.zip下载完解压后,得到几个文件:其中的classify_image_graph_def.pb 文件就是训练好...转载 2018-06-17 10:50:02 · 1746 阅读 · 3 评论 -
tensorflow学习笔记十:模型的保存与恢复(Saver)
将训练好的模型参数保存起来,以便以后进行验证或测试,这是我们经常要做的事情。tf里面提供模型保存的是tf.train.Saver()模块。模型保存,先要创建一个Saver对象:如saver=tf.train.Saver()在创建这个Saver对象的时候,有一个参数我们经常会用到,就是 max_to_keep 参数,这个是用来设置保存模型的个数,默认为5,即 max_to_keep=5,保存最近的5...转载 2018-06-17 10:40:26 · 933 阅读 · 0 评论 -
tensorflow学习笔记九:参数和特征的提取
在tf中,参与训练的参数可用 tf.trainable_variables()提取出来,如:#取出所有参与训练的参数params=tf.trainable_variables()print("Trainable variables:------------------------")#循环列出参数for idx, v in enumerate(params): print(" ...转载 2018-06-17 10:15:54 · 894 阅读 · 0 评论 -
TensorFlow实战:TensorFlow简介
人工智能机器学习与深度学习机器学习深度学习人工智能深度学习工具介绍和对比主流的深度学习开源工具总结表主流的深度学习框架介绍TensorFlowCaffeTheanoTorchTensorFlow简介编程模型简介核心概念实现原理a每一个节点该让什么硬件设备执行b如何管理节点间的通信TensorFlow主要依赖包Protocol BufferBazelTensorFlow测试样例参考资料人工智能、机器...转载 2018-06-24 16:14:17 · 573 阅读 · 0 评论 -
tensorflow学习笔记八:池化层(pooling)和全连接层(dense)
池化层定义在 tensorflow/python/layers/pooling.py.有最大值池化和均值池化。1、tf.layers.max_pooling2dmax_pooling2d( inputs, pool_size, strides, padding='valid', data_format='channels_last', name=No...转载 2018-06-15 20:05:04 · 1189 阅读 · 0 评论 -
tensorflow学习笔记七:参数初始化(initializer)
CNN中最重要的就是参数了,包括W,b。 我们训练CNN的最终目的就是得到最好的参数,使得目标函数取得最小值。参数的初始化也同样重要,因此微调受到很多人的重视,那么tf提供了哪些初始化参数的方法呢,我们能不能自己进行初始化呢?所有的初始化方法都定义在tensorflow/python/ops/init_ops.py1、tf.constant_initializer()也可以简写为tf.Consta...转载 2018-06-15 19:53:18 · 3326 阅读 · 0 评论 -
tensorflow学习笔记六:卷积层
一、旧版本(1.0以下)的卷积函数:tf.nn.conv2dconv2d( input, filter, strides, padding, use_cudnn_on_gpu=None, data_format=None, name=None)该函数定义在tensorflow/python/ops/gen_nn_ops.py。参数:inpu...转载 2018-06-15 19:35:41 · 485 阅读 · 0 评论 -
tensorflow学习笔记五:用CNN进行图像分类
tensorflow升级到1.0之后,增加了一些高级模块: 如tf.layers, tf.metrics, 和tf.losses,使得代码稍微有些简化。任务:花卉分类版本:tensorflow 1.0数据:http://download.tensorflow.org/example_images/flower_photos.tgz花总共有五类,分别放在5个文件夹下。# -*- coding: ut...转载 2018-06-15 19:20:28 · 2786 阅读 · 8 评论 -
tensorflow学习笔记四:mnist实例--卷积神经网络(CNN)
mnist的卷积神经网络例子和上一篇博文中的神经网络例子大部分是相同的。但是CNN层数要多一些,网络模型需要自己来构建。程序比较复杂,我就分成几个部分来叙述。首先,下载并加载数据:import tensorflow as tf import tensorflow.examples.tutorials.mnist.input_data as input_datamnist = input_dat...转载 2018-06-15 10:54:38 · 346 阅读 · 0 评论 -
tensorflow学习笔记三:mnist实例--用简单的神经网络来训练和测试
刚开始学习tf时,我们从简单的地方开始。卷积神经网络(CNN)是由简单的神经网络(NN)发展而来的,因此,我们的第一个例子,就从神经网络开始。神经网络没有卷积功能,只有简单的三层:输入层,隐藏层和输出层。数据从输入层输入,在隐藏层进行加权变换,最后在输出层进行输出。输出的时候,我们可以使用softmax回归,输出属于每个类别的概率值。借用极客学院的图表示如下: 其中,x1,x2,x3为输入数据,经...转载 2018-06-15 09:41:30 · 421 阅读 · 0 评论 -
tensorflow学习笔记二:实例数据下载与读取
一、mnist数据深度学习的入门实例,一般就是mnist手写数字分类识别,因此我们应该先下载这个数据集。tensorflow提供一个input_data.py文件,专门用于下载mnist数据,我们直接调用就可以了,代码如下:import tensorflow.examples.tutorials.mnist.input_data as input_datamnist = input_data.r...转载 2018-06-15 09:00:48 · 428 阅读 · 0 评论 -
TensorFlow实战:经典卷积神经网络(AlexNet、VGGNet)
下面表格是两个网络的简单比较:特点 AlexNet VGGNet 论文贡献 介绍完整CNN架构模型(近些年的许多CNN模型都是依据此模型变种来的)和多种训练技巧 CNN模型复兴的开山之作 使用GPU加速训练,让CNN模型训练得以实现 讨论了在小卷积核下,模型性能随着堆叠层数加深的变化 同时探讨multi-crop和dense evaluation对...转载 2018-08-04 20:07:05 · 4697 阅读 · 2 评论