深度学习
文章平均质量分 69
使用tensorflow学习深度
捌椒
这个作者很懒,什么都没留下…
展开
-
tensorflow学习之均方误差、标准差(tf.squared_difference()、tf.reduce_mean())
tf.squared_difference()相关参数x ,类型:张量y ,类型:张量name=None 类型:string , 运算名称功能:计算张量 x、y 对应元素差的平方import tensorflow as tftf.compat.v1.disable_eager_execution()arr1 = [[1, 1], [4, 4]]x = tf.Variable(arr1, dtype=tf.float32)arr2 = [[3, 3], [3, 3]]y = tf.原创 2022-04-03 10:39:25 · 2391 阅读 · 0 评论 -
Tensorflow学习之tf.layers.dense()
1. tf.layers.dense()首先,TensorFlow中封装了全连接层函数 tf.layers.dense(),方便了开发者自己手动构造权重矩阵WWW和偏移矩阵 bbb,利用矩阵乘法实现全连接层。1.1 原理tf.layers.dense( input, units=k )会在内部自动生成一个权矩阵:kernel 和偏移项:bias,例如:对于尺寸为[m, n]的二维张量input, tf.layers.dense()会生成:尺寸为[n, k]的权矩阵:kernel,和尺寸为[m,原创 2022-03-16 16:36:53 · 8846 阅读 · 3 评论 -
深度学习之卷积网络手写数字图片识别案例
注意:该程序运行环境为:pycharm2020+python3.7+tensorflow2.2 cpu版本因为在学习的过程时,学习视频使用的是tensorflow2.x以下的版本,所以在运行中出现了许多错误,不过已经更正。下面代码都可正常运行。需注意的是:当导入mnist数据集时会报出ModuleNotFoundError: No module named ‘tensorflow.examples.tutorials’ 错误原因是tensorflow_core中缺tutorial文件夹解决办法就原创 2020-10-23 10:22:26 · 770 阅读 · 1 评论 -
深度学习之卷积神经网络
1、深度学习网络深度学习网络与更常见的单一隐藏层神经网络的区别在于深度,深度学习网络中,每一个节点层在前一层输出的基础上学习识别一组特定的特征。随着神经网络深度增加,节点所能识别的特征也就越来越复杂。1.1 卷积神经网络与简单的全连接神经网络的比较全连接神经网络的缺点参数太多,在cifar-10的数据集中,只有32 x 32 x 3,就会有这么多权重,如果说更大的图片,比如200 x 200 x 3就需要120000多个,这完全是浪费没有利用像素之间位置信息,对于图像识别任务来说,每个像素原创 2020-10-23 08:32:58 · 613 阅读 · 3 评论 -
机器学习之简单神经网络手写数字识别
def full_connected(): # 获取真实的数据 mnist = input_data.read_data_sets("./data/mnist/input_data/", one_hot=True) # 1、建立数据的占位符 x [None, 784] y_true [None, 10] with tf.variable_scope("data"): x = tf.placeholder(tf.float32, [None, 78..原创 2020-10-05 20:53:22 · 630 阅读 · 0 评论 -
深度学习之神经网络基础(一)
1 感知机1.1 感知机模型1.2 感知器的基本概念定义:有n个输入数据,通过权重与个数据之间的计算和,比较激活函数结果得到输出。其中threshold为激活函数,阈(yu)值:引申为界限或范围,下面为1.5,当结果大于1.5时输出为1,小于1.5时输出为0。2 神经网络结构2.1 神经网络的发展2.2神经网络的特点2.3 神经网络的结构笼统的讲,神经网络是由多个神经元(感知机)组成。2.4 神经网络在图片分类中的应用2.4.1 神经网络与其他算法的区别逻辑回归:sigmoi原创 2020-10-04 19:11:13 · 451 阅读 · 0 评论 -
深度学习之tensorflow实现简单的线性回归案例
1. tensorflow实现简单的线性回归案例1.1 线性回归知识复习1.2 相关APIimport tensorflow as tfimport osos.environ['TF_CPP_MIN_LOG_LEVEL']='2'def myregression(): """ 自实现一个线性回归预测 :return: None """ # 1、准备数据,x 特征值 [100, 1] y 目标值[100] x = tf.random_no原创 2020-10-08 21:13:29 · 272 阅读 · 6 评论 -
深度学习之基础知识储备(三)【tensorflow的数据读取】
1、队列和队列管理器1.1、队列完成一个出队列、+1、入队列操作(同步操作)import tensorflow as tfimport osos.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' # 去掉警告用的tf.compat.v1.disable_eager_execution()# 模拟同步先处理数据,然后才能取数据训练 # tensorflow当中,运行操作有依赖性# 1.先定义一个队列Q = tf.compat.v1.FIFOQueue(3原创 2020-10-12 11:32:54 · 573 阅读 · 0 评论 -
深度学习之基本知识储备(二)【变量和模型保存加载】
1. 变量和模型保存加载变量也是一种OP,是一种特殊的张量,能够进行存储持久化,它的值就是张量tf.Variable(initial_value=None,name=None)创建一个带值initial_value的新变量assign(value)为变量分配一个新值返回新值eval(session=None)计算并返回此变量的值name属性表示变量名字# 变量op# 1、变量op能够持久化保存,普通张量op是不行的# 2、当定义一个变量op的时候,一定要在会话当中原创 2020-10-09 14:54:29 · 413 阅读 · 0 评论 -
深度学习之基本知识储备(一)【图、会话、张量和基本运算】
1.深度学习深度学习,如深度神经网络、卷积神经网络和递归神经网络已被应用计算机视觉、语音识别、图像识别(卷积神经网络)、自然语言处理(循环神经网络)、音频识别与生物信息学等领域并获取了极好的效果。1.1 深度学习之运行速度因为深度学习涉及到的数据量非常的大,特征非常多,再加上算法设计的本身比较复杂,所以计算需要等很长时间去优化。cpu: 运⾏操作系统,吹处理业务 计算能⼒不是特别突出。gpu:专⻔为计算设计的所以,tensorflow的版本分别为cpu和gpu两个版本。2. tensorf原创 2020-10-07 19:42:28 · 289 阅读 · 0 评论 -
Tensorflow安装方法 (一)【 使用国内镜像下载】
镜像网址清华:https://pypi.tuna.tsinghua.edu.cn/simple阿里云:http://mirrors.aliyun.com/pypi/simple/中国科技大学: https://pypi.mirrors.ustc.edu.cn/simple/豆瓣:http://pypi.douban.com/simple/方法 1:采用国内镜像安装示例:pip install tensorflow-gpu==1.17.0 -i https://pypi.tuna.tsing原创 2022-04-01 11:09:00 · 21311 阅读 · 2 评论 -
Pycharm导入并使用Tensorflow
环境:WIN10+Pycharm2020+Python3.7anacode1.1.0+Tensorflow2.3.0GPU版本或Tensorflow2.2.0CPU版本Tensorflow 2.x 版本安装所遇到的坑因为刚接触到深度学习,再加上之前接触python时,使用的是pycharm来进行软件开发的,所有,此时就萌生了使用pycharm来学习深度学习的想法,因为pycharm支持许多第三方库,所以就想着一劳永逸了,但在未了解Tensorflow之前,一味盲目的导入Tensorflow。结果发现虽原创 2020-10-09 21:41:05 · 7912 阅读 · 1 评论