zhi元元元

主要针对 tf.get_variable 来介绍共享变量的用法。tf.get_variable 与 tf.variable 的用法不同。前者在创建变量时会查名字，如果给的名字在之前已经被别的变量占用，则会报错，不会创建相应变量。而后者并不进行检查，如果有重复，则自动的修改名字，加上数字来进行区别。所以从这来看要想共享变量并不能通过使用相同的名字来调用多次 tf.get_variable 和 tf....

1.概念graph：图，表示具体的计算任务session：会话，图需要在会话中执行，一个会话可以包含很多图tensor：张量，在此表示数据，类型是numpy::ndarrayvariable：就是本意变量，图的重要组成部分operation：简称op，是图中计算的节点，输入tensor计算后产生tensorfeed、fetch：意思是给图添加数据和获取图中的数据，因为训练过程中有些数据需要动态获得...

TF的GPU版本需要安装CUDA和cuDNN，而在Ubuntu中安装显卡驱动稍微麻烦一点。下面的安装比较简单：1.检查显卡支持情况https://developer.nvidia.com/cuda-gpus2.下载一些东西显卡的驱动：http://www.geforce.cn/driverscuda7.5 tool kit（需要注册）：https://developer.nvidia.com/cu...

笔记本TF环境构建与台式机非常类似，主要是安装CUDA的方式不一样，并且笔记本安装CUDA比较麻烦，经过多次测试找到了一种比较简单有效的方法。基本环境：ubuntu16-64bit，CUDA8，cuDNN5.1，python2.7，TF0.11（已经支持cuDNNv5了）1. 安装CUDA8目标系统是Ubuntu16-64bit，经过多次尝试，只有deb安装方式可行，其他的方式没有成功过。注意：最...

一、CNN的引入在人工的全连接神经网络中，每相邻两层之间的每个神经元之间都是有边相连的。当输入层的特征维度变得很高时，这时全连接网络需要训练的参数就会增大很多，计算速度就会变得很慢，例如一张黑白的 28×28 的手写数字图片，输入层的神经元就有784个，如下图所示： 若在中间只使用一层隐藏层，参数 w 就有 784×15=11760 多个；若输入的是28×28 带有颜色的RGB格式的手写数字图片...

前言2013年DeepMind 在NIPS上发表Playing Atari with Deep Reinforcement Learning 一文，提出了DQN（Deep Q Network）算法，实现端到端学习玩Atari游戏，即只有像素输入，看着屏幕玩游戏。Deep Mind就凭借这个应用以6亿美元被Google收购。由于DQN的开源，在github上涌现了大量各种版本的DQN程序。但大多是复...

官方的MNIST例子里面训练数据的下载和导入都是用已经写好的脚本完成的，至于里面实现细节也没高兴去看源码，感觉写得太正式，我这个初学者不好理解。于是在优酷上找到了KevinRush这么一个播主，里面的视频教程讲得挺清晰的，于是跟着视频做了一个猫狗大战的图像识别程序。一、猫狗大战数据集　　Cats vs. Dogs（猫狗大战）是Kaggle大数据竞赛某一年的一道赛题，利用给定的数据集，用算法实现猫和...

官方的MNIST例子里面训练数据的下载和导入都是用已经写好的脚本完成的，至于里面实现细节也没高兴去看源码，感觉写得太正式，我这个初学者不好理解。于是在优酷上找到了KevinRush这么一个播主，里面的视频教程讲得挺清晰的，于是跟着视频做了一个猫狗大战的图像识别程序。一、猫狗大战数据集　　Cats vs. Dogs（猫狗大战）是Kaggle大数据竞赛某一年的一道赛题，利用给定的数据集，用算法实现猫和...

安装过程PIP 安装安装 PIP安装 TensorFlowPIP 安装的优缺点源码编译安装下载源码安装 Bazel配置编译源码安装的优缺点Docker 镜像安装官方镜像创建 Docker 用户组启动 Docker 容器Docker 镜像安装的优缺点使用过程K40 上运行输出M40 上运行输出GTX1080 上运行输出P40 上输出注意事项安装过程目前较为稳定的版本为 0.12，本文以此为例。其他版...

下面是这位博主自己的翻译加上测试心得  tf.nn.conv2d是TensorFlow里面实现卷积的函数，参考文档对它的介绍并不是很详细，实际上这是搭建卷积神经网络比较核心的一个方法，非常重要tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, name=None)除去name参数用以指定该操作的name，与方法有...

1.简要介绍Softmax Regression直观地看，每个像素乘个系数加个偏置，最后得到一个属于某个分类的比重，表示“支持图片是数字i的证据有多强烈“上图红色代表负数贡献，蓝色代表正贡献。具体的公式就是：x表示图像，w是系数，b是偏置系数。softmax会把每个分类的证据都求解出来，然后使用指数归一化：这里的x又表示获得的证据evidence数值。简单表示为：softmax在本例分类其中的位置...

卷积神经网络（Convolutional Neural Networks，CNN）是个常用的神经网络构型，考虑了图像的结构信息，对MNIST的效果更好一些。CNN包含的主要操作：convolution和pooling在TF中都有对应的函数，直接构建网络即可。CNN的具体介绍很多，这里不再赘述。本文主要介绍TF的实现，包括一些主要函数、步骤的说明，先浏览一下程序：[python] view plai...

该例子不关心最后的训练精度（只有90%），只是尽可能展示一个完整TF工程。对于一些比较大的工程，单文件方式不是很合适，需要多个文件配合。从逻辑上一般分为：推理（Inference） 、损失（Loss）、训练（traning ）和评估（ evaluation)这些步骤，代码位置：原始代码下载地址（只需要mnist.py 和fully_connected_feed.py）其中：mnist.py是构建...

2. 卷积神经网络模型的构造——model.py 　　关于神经网络模型不想说太多，视频中使用的模型是仿照TensorFlow的官方例程cifar-10的网络结构来写的。就是两个卷积层（每个卷积层后加一个池化层），两个全连接层，最后一个softmax输出分类结果。import tensorflow as tfdef inference(images, batch_size, n_classes)...

白天跟着TensorFlow的官方文档把最简单的MNIST模型跑通了，基本过程算是大致理清了，但程序看一遍下来，发现TensorFlow中很多基本概念还不是很理解，比如tensor这个东西怎么理解，基于图又是怎么回事，于是打道回府从基本概念开始看起。庆幸的是目前有很多人在学这个，很多学习资料已经归类整理好了，省去了自己重新找的时间，这里整理了一下自己查阅的资料，汇总了一篇。TensorFlow是基...

网站：TensorFlow Developer Summit视频：playlist​www.youtube.com友情提示：建议先看一遍视频再结合PPT比较好理解：）最新学习资料：Keynotetf.data: Fast, flexible, and easy-to-use input pipelinesEager executionML In Javascript (TensorFlow.js)...

这是一套香港科技大学发布的极简 TensorFlow 入门教程，三天全套幻灯片教程已被分享到 Google Drive。机器之心将简要介绍该教程并借此梳理 TensorFlow 的入门概念与实现。该教程第一天先介绍了深度学习和机器学习的潜力与基本概念，而后便开始探讨深度学习框架 TensorFlow。首先我们将学到如何安装 TensorFlow，其实我们感觉 TensorFlow 环境配置还是相当...

本文简单整理了网上公布的基于 TensorFlow 实现图像语义分析的一些经典网络，方便大家参考学习。1. TensorFlow-SlimTF-Slim 是 tensorflow 较新版本的扩充包，可以简化繁杂的网络定义，其中也提供了一些demo:AlexNetInceptionV1/V2/V3OverFeatResNetVGG例如 VGG-16 网络，寥寥数行就可以定义完毕：def vgg16(...

使用Tensorflow和MNIST识别自己手写的数字最近在学习神经网络相关的东西，发现有很多资料是Tensorflow教程上的内容，但是教程很多只是一个验证官方程序的过程。如何将官方程序变成自己可以利用的程序，网上似乎资料比较少，所以我就来介绍一下如何使用Tensorflow和MNIST搭建自己的手写识别算法，识别自己写的数字（比如下面我写的这个苍劲有力的3～～）。本文也参考了国外大神博客的内容...

该文章是对TF中文手册的卷积神经网络和英文手册Convolutional Neural Networks部分所包含程序的解读，旨在展示CNN处理规模比较大的彩色图片数据集（分类问题）的完整程序模型，训练中使用交叉熵损失的同时也使用了L2范式的稀疏化约束，例子修改后就可以训练自己的数据。这篇博客按照程序工作的顺序，从cifar10_train.py开始，依次解读途径的每个重要函数，具体细节还需要自己...

比之前的例子更加庞大，使用全连接识别MNIST，需要命名空间更多，程序更灵活，但基本的函数换是那些。[python] view plain copy from __future__ import absolute_import  from __future__ import division  from __future__ import print_function    import tens...

以一个曲线拟合的小例子说明要使用TensorBoard，需要对程序添加那些额外的东西。程序：[python] view plain copy import tensorflow as tf  import numpy as np    # Create 100 phony x, y data points in NumPy, y = x * 0.1 + 0.3  x_data = np.rando...

正常情况下，使用tf.initialize_all_variables()初始化变量，在完全构建好模型并加载之后才运行这个操作。生成数据的主要方法如下1）如果需要利用已经初始化的参数给其他变量赋值TF的变量有个initialized_value()属性，就是初始化的值，使用方法如下：[python] view plain copy # 原始的变量  weights = tf.Variable(tf...