深度学习基础笔记(自用)

1.深度学习介绍

1.1深度学习与机器学习的区别

在这里插入图片描述

1.1.1特征提取方面

在这里插入图片描述

1.1.2 数据量和计算性能要求

机器学习需要的执行时间远少于深度学习,深度学习参数往往很庞大,需要通过大量数据的多次优化来训练参数。
在这里插入图片描述
第一、深度学习需要大量的训练数据集

第二、训练深度神经网络需要大量的算力

可能要花费数天、甚至数周的时间,才能使用数百万张图像的数据集训练出一个深度网络。所以深度学习通常

1)需要强大的GPU服务器来进行计算
2)全面管理的分布式训练与预测服务――比如谷歌TensorFlow云机器学习平台

1.1.3 算法代表

在这里插入图片描述

1.2深度学习应用场景

在这里插入图片描述

1.3深度学习框架

1.3.1常见深度学习框架对比

在这里插入图片描述在这里插入图片描述

1.3.2tensorflow安装(GPU版本)

ps:
在这里插入图片描述
1.先打开Anaconda Prompt创建一个新的python=3.6的环境

conda install cudnn=7.6

2.进入新创建的环境,安装英伟达的SDK 10.1版本,安装英伟达深度学习软件包7.6版本

conda activate tensorflow
conda install cudatoolkit=10.1
conda install cudnn=7.6

3.安装tensorflow=2.1 使用清华镜像源

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow==2.1

4.验证是否安装成功
进入python环境,查看tensorflow版本号

import tensorflow as tf
tf.__version__

在这里插入图片描述

2.Tensorflow框架介绍

2.1TF数据流图

内容:
在这里插入图片描述

def tensorflow_demo():
    """
    tensorflow的基本结构
    :return:
    """
    a=11
    b=2
    print("普通加法运算:\n",a+b)
    #tensorflow实现加法运算
    a_t=tf.constant(11)
    b_t=tf.constant(2)
    c_t=a_t+b_t
    print("tensorflow的加法运算:\n",c_t)
    return  None

输出:

普通加法运算:
 13
tensorflow的加法运算:
tf.Tensor(13, shape=(), dtype=int32)

1.TensorFlow结构分析

一个构建图阶段
流程图:定义数据(张量Tensor)和操作(节点Op
一个执行图阶段
调用各方资源,将定义好的数据和操作运行起来

2.数据流图介绍
TensorFlow
Tensor - 张量 - 数据
Flow - 流动
在这里插入图片描述
TensorFlow是一个采用数据流图(data flow graphs),用于数值计算的开源框架。 节点(Operation)在图中表示数学操作,线(edges)则表示在节点间相互联系的多维数据数组,即张量(tensor) 。
去除警告输出

import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='2'

2.2 图与TensorBoard

在这里插入图片描述

2.2.1 什么是图结构

包含了一组tf.Operation代表的计算单元对象和tf.Tensor代表的计算单元之间流动的数据。
图结构
数据(Tensor) + 操作(Operation)

2.2.2 图相关操作

1.默认图
通常TensorFlow会默认帮我们创建一张图。
查看默认图的两种方法:

 1)调用方法
                    用tf.get_default_graph()
 2)查看属性
                    .graph
  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

像夏天一样热

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值