TensorFlow
文章平均质量分 88
Rogel_Liu
机器人RD
展开
-
TensorBoard
核心概念Graph和SessionData Flow Graph 表示多个操作之间的数据依赖关系的图形。任何算法都由一些有序的操作组成可以逐行实现这个算法,实现会注意到每个操作之间的依赖关系节点是发送和接收数据消息的计算,计算定义≠执行计算 ,计算的定义和执行,被很好地分离开了SessionSession是Graph和执行者之间的媒介在session当中执行图中的运算,包含了操作对象执行原创 2017-09-06 11:25:39 · 322 阅读 · 0 评论 -
LSTM循环神经网络/长短时记忆
Long short-term memoryLSTM中的重复模块四个交互的层 1.绿色的单元可以理解为tensorflow里的基本单元。每个cell底下Xt-1,Xt,Xt+1表示这是一个序列的数据,在每个时间点上都会有一个输入,如果这个问题对应到文本当中可能的xt对应的就是word,如果是对一个用户的行为序列去建模,那么这个Xt对应的就是每个用户的一个行为。RNN算法结构其实就是是一套时序神经原创 2017-09-06 21:59:51 · 2526 阅读 · 0 评论 -
使用TensorFlow实现简单的线性回归(LinearRegression)
线性模型基本形式 :线性回归属于回归算法,表达监督学习的过程。通过属性的线性组合来预测函数:f(x)=w1x1+w2x2+...+wdxd+b \bbox[,5px,border:1px solid black]{{f(x)} = {w_1x_1+w_2x_2+...+w_dx_d}+{b}}一般向量形式写成:f(x)=wTx+b \bbox[,5px,border:1px solid原创 2017-09-02 15:15:48 · 2714 阅读 · 0 评论 -
TensorFlow架构系统理解
Queue机制Freload data:constantTensorFlow支持各种异构的平台,支持多CPU/GPU,服务器,移动设备,具有良好的跨平台的特性;TensorFlow架构灵活,能够支持各种网络模型,具有良好的通用性;此外,TensorFlow架构具有良好的可扩展性,对OP的扩展支持,Kernel特化方面表现出众。Google的AI战略是让更多的开发者使用tensorflow在原创 2017-09-16 12:57:34 · 2223 阅读 · 0 评论 -
TensorFlow数据读取
二级标题TensorFlow背后的通讯机制tensorflow背后的通讯机制以及存储压缩都是基于Protobuf,包括某些定义,比如graph。Protobuf是开源的,Protocol Buffers - Google’s data interchange format下载地址数据直接嵌入graph,由graph传入session中运行,在这种情况下数据必须是小数据,一个sess原创 2017-09-19 17:00:41 · 1534 阅读 · 0 评论