tensorflow
小麻小芝麻
这个作者很懒,什么都没留下…
展开
-
tf.nn.sufficient_statistics(x, axes, shift=None,keep_dims=False, name=None)
参考:https://www.cnblogs.com/hellcat/p/6906065.htmltf.nn.sufficient_statistics(x, axes, shift=None,keep_dims=False, name=None) 1. 功能:计算与均值和方差有关的完全统计量2. 返回:4维元组 -> ( 元素个数,元素加和,元素的平方和,shif...原创 2018-06-26 10:49:45 · 516 阅读 · 1 评论 -
[ MOOC课程学习 ] 人工智能实践:Tensorflow笔记_CH8_1复现已有的卷积神经网络
请参考第七讲给出的leNet5卷积网络代码,使用Cifar-10数据集训练模型,实现彩色图像识别。 Cifar-10数据集包含了airlane、automobile、bird、cat、deer、dog、frog、horse、ship、truck,10种分类,共60000张图片,其中训练集50000张,测试集10000张。请使用lenet5卷积网络,训练模型参数,提升模型识别准确率。 作业需要提...转载 2018-07-25 15:18:55 · 702 阅读 · 0 评论 -
[ MOOC课程学习 ] 人工智能实践:Tensorflow笔记_CH7_1卷积神经网络
卷积神经网络 全连接 NN:每个神经元与前后相邻层的每一个神经元都有连接关系,输入是特征,输出为预测的结果。 待优化的参数过多,容易导致模型过拟合。 在实际应用中,会先对原始图像进行特征提取,把提取到的特征喂给全连接网络,再让全连接网络计算出分类评估值。 卷积是一种有效提取图片特征的方法。一般用一个正方形卷积核,遍历图片上的每一个像素点。图片与卷积核重合区域内相对应的每一个像素值乘卷积核内相对...转载 2018-07-19 21:10:45 · 495 阅读 · 0 评论 -
[ MOOC课程学习 ] 人工智能实践:Tensorflow笔记_CH3
课程链接这这里 随机产生 32 组生产出的零件的体积和重量,训练 3000 轮,每 500 轮输出一次损失函数 import tensorflow as tf import numpy as np SEED = 23455 rng = np.random.RandomState(SEED) BATCH_SIZE = 8 X_NUM = 32 STEPS = 3000 LEARNING_RA...转载 2018-07-07 20:56:19 · 504 阅读 · 0 评论 -
[ MOOC课程学习 ] 人工智能实践:Tensorflow笔记_CH6_2 制作数据集
制作数据集 tfrecords 文件: (1) tfrecords: 是一种二进制文件,可先将图片和标签制作成该格式的文件。使用 tfrecords 进行数据读取,会提高内存利用率。 (2) tf.train.Example: 用来存储训练数据。训练数据的特征用键值对的形式表示。 如:‘ img_raw ’ :值 ‘ label ’ :值 值是 Byteslist/FloatList/...转载 2018-07-19 16:50:59 · 644 阅读 · 0 评论 -
[ MOOC课程学习 ] 人工智能实践:Tensorflow笔记_CH6_1 输入手写数字输出识别结果
输入手写数字输出识别结果 实现断点续训 输入真实图片,输出预测结果 实现断点续训,在 mnist_backward.py 里加入三行代码即可: with tf.Session() as sess: sess.run(tf.global_variables_initializer()) # 实现断点续训 ----------------------...转载 2018-07-19 10:35:34 · 665 阅读 · 2 评论 -
[ MOOC课程学习 ] 人工智能实践:Tensorflow笔记_CH5_2/3 实现手写体 mnist 数据集的识别任务
实现手写体 mnist 数据集的识别任务,共分为三个模块文件,分别是: 描述网络结构的前向传播过程文件(mnist_forward.py) 描述网络参数优化方法的反向传播过程文件( mnist_backward.py ) 验证模型准确率的测试过程文件(mnist_test.py)。 描述网络结构的前向传播过程文件(mnist_forward.py) 描述网络参数优化方法的反向传播过程...转载 2018-07-19 09:17:06 · 294 阅读 · 2 评论 -
[ MOOC课程学习 ] 人工智能实践:Tensorflow笔记_CH5_1 MNIST 数据集介绍
MNIST 数据集介绍 mnist 数据集:包含 7 万张黑底白字手写数字图片,其中 55000 张为训练集,5000 张为验证集,10000 张为测试集。 每张图片大小为 28*28 像素,图片中纯黑色像素值为 0,纯白色像素值为 1。 数据集的标签是长度为 10 的一维数组,数组中每个元素索引号表示对应数字出现的概率。 在将 mnist 数据集作为输入喂入神经网络时,需先将数据集中每...转载 2018-07-18 15:34:30 · 407 阅读 · 0 评论 -
[ MOOC课程学习 ] 人工智能实践:Tensorflow笔记_CH4_5 模块化搭建神经网络
模块化搭建神经网络 前向传播:由输入到输出,搭建完整的网络结构,描述前向传播的过程需要定义三个函数: (1) 第一个函数 forward()完成网络结构的设计,从输入到输出搭建完整的网络结构,实现前向传播过程。 该函数中,参数 x 为输入,regularizer 为正则化权重,返回值为预测或分类结果 y。 def forward(x, regularizer): w= ...转载 2018-07-18 14:14:22 · 256 阅读 · 0 评论 -
[ MOOC课程学习 ] 人工智能实践:Tensorflow笔记_CH4_4 正则化
将 list 写进 csv 文件: import csv import time listA = [[1,2,3],[4,5,6],[7,8,9], [[1,2,3],[4,5,6],[7,8,9]]] listA_fpath = str(int(time.time())) + '.csv' with open(listA_fpath, 'w') as fw: writer =...转载 2018-07-18 11:04:46 · 437 阅读 · 0 评论 -
[ MOOC课程学习 ] 人工智能实践:Tensorflow笔记_CH4_3 滑动平均
将 list 写进 csv 文件: import csv import time listA = [[1,2,3],[4,5,6],[7,8,9], [[1,2,3],[4,5,6],[7,8,9]]] listA_fpath = str(int(time.time())) + '.csv' with open(listA_fpath, 'w') as fw: writer =...转载 2018-07-17 22:13:27 · 334 阅读 · 0 评论 -
tensorflow tutorial 系列:sequenceseq2seq / Neural Machine Translation (seq2seq) Tutorial
官方 tutorial 链接: Neural Machine Translation (seq2seq) Tutorial -> https://www.tensorflow.org/versions/master/tutorials/seq2seq (先挖坑,看完来填!)翻译 2018-07-05 13:52:56 · 355 阅读 · 0 评论 -
[ MOOC课程学习 ] 人工智能实践:Tensorflow笔记_CH4_2 学习率
将 list 写进 csv 文件: import csv import time listA = [[1,2,3],[4,5,6],[7,8,9], [[1,2,3],[4,5,6],[7,8,9]]] listA_fpath = str(int(time.time())) + '.csv' with open(listA_fpath, 'w') as fw: writer =...转载 2018-07-17 17:08:16 · 422 阅读 · 0 评论 -
segmentseq2seq代码解析-1
segmentseq2seq源代码:https://github.com/pponnada/segmentseq2seqtensorflow版本为0.12.0时运行OKdatasets原始数据文件有:1.Financial1.sequences5ss-1024ws-64.bz2 2.Financial1.ss-1024.vocab-5ws-64从 predict.py 开始:maybe_downl...原创 2018-07-02 21:26:45 · 375 阅读 · 0 评论 -
[ MOOC课程学习 ] 人工智能实践:Tensorflow笔记_CH7_2 Lenet-5代码讲解
Lenet-5代码讲解 Lenet 神经网络是 Yann LeCun 等人在 1998 年提出的,该神经网络充分考虑图像的相关性。 1. Lenet 神经网络结构为: 1.输入为 32*32*1 的图片大小,为单通道的输入; 2.进行卷积,卷积核大小为 5*5*1,个数为 6,步长为 1,非全零填充模式; 3.将卷积结果通过非线性激活函数; 4.进行池化,池化大小为 2*2,步长为...转载 2018-07-20 22:51:39 · 688 阅读 · 2 评论