rosefun96的博客

import tensorflow as tf# Press Shift+F10 to execute it or replace it with your code.# Press Double Shift to search everywhere for classes, files, tool windows, actions, and settings.def element_add(a, b): return tf.add(a, b)def main(): vara =

1、启动C:\Users\R>tensorboard --logdir=/path/to/log-directoryTensorBoard 0.1.8 at http://R:6006 (Press CTRL+C to quit)然后，在浏览器输入：http://localhost:6006/2.遇到的问题一开始，显示Tensorboard: No graph definition files w

引言—CUDA与版本选择本人系统：Windows8.1；硬件：TensorFlow有支持CPU，GPU版本，支持GPU版本的TensorFlow对硬件（显卡）要求更高。如果显卡是nvdia（看电脑贴签）可以通过nvdia CUDA支持GPU型号，查看自己电脑时候支持CUDA，如果支持，就可以装GPU版本。（GPU版本功能更强）关于CUDA的理解博文 一、安装步骤

1、Scalar运行程序时，出错，AttributeError: 'SummaryMetadata' object has no attribute 'display_name' 只有graph图像。 后来，发现这是TensorFlow版本问题。由于，之前装的GPU版本是tensorflow (1.3.0rc0),但是运行tensorboard的时候，没有出现scalar，然后试了升级Tens

1、GPU实现# # 通过tf.device将运算指定到特定的设备上。with tf.device('/cpu:0'): a = tf.constant([1.0, 2.0, 3.0], shape=[3], name='a') b = tf.constant([1.0, 2.0, 3.0], shape=[3], name='b')with tf.device('/gpu:0'

1、mnist.py关于DataSet对象，对象里边有初始化，class DataSet(object): def __init__(self, images, labels, fake_data=False, one_hot=False, dtyp

1、用法tf.app.flags.FLAGS 用来传递参数。参考：tf.app.flags.FLAGS用法

1 Tensorflow 和numpy区别 相同点：都提供n位数组 不同点：numpy支持ndarray，而Tensorflow里有tensor；numpy不提供创建张量函数和求导，也不提供GPU支持。显示Tensor 需要加eval函数ta = tf.zeros((2,2))print(ta)#Tensor("zeros_1:0", shape=(2, 2), dtyp

1、learning rate设大了0.1~0.0001.不同模型不同任务最优的lr都不一样。我现在越来越不明白TensorFlow了，我设置训练次数很大的时候，它一开始就给我“收敛”到一个值，后面的值都一样。2、归一化参考：深度学习收敛问题；训练深度神经网络

1、1.IndentationError: expected an indented block； 就是该缩进的缩进。 http://blog.csdn.net/neilhappy/article/details/77249592.TypeError: init() got an unexpected keyword argument ‘shape’； v = tf.get_variable(

参考： 1、Tensorflow一些常用基本概念与函数

1、代码

引言持久化，就是能够把当前模型以及模型的参数能够保持下来，用于下次使用。1、持久化代码实现API

引言使用TensorFlow训练好的神经网络模型，来进行对输入数据的输出预测，即软测量的过程。1、训练神经网络模型这里写代码片

1、tf.Variable()2、tf.get_variable()3、tf.variable.scope()参考：tf.Variable_csdn

编译环境>>> tf.__version__'1.4.0'Python 3.5.2可以说，TensorFlow日新月异，刚买的TensorFlow的书，只是0.9.0，自己装的是1.4.0，很多的语法都出错，真是让我头大啊。1、计算图的使用1.1运算代码计算图，就是包括张量（多维数组）和运算的计算模型。使用《TensorFlow实战Google框架》给的代码，报错。>>> import tenso

1、张量（tensor）>>> result=tf.add(a,b,name='addTwo')>>> print(result)Tensor("addTwo:0", shape=(2,), dtype=float32)注：shape（2，）是一个一维数组，长度为2。张量，有三个属性，分别为：名称addTwo，维度shape，类型type。2、tensor支持的类型tensor，支持14种不同类

1.引言1.1神经网络的术语 1.偏置bias： 2.激活函数：sigmoid函数;tanh函数；Relu函数。 3.损失函数：最小平方误差准则（MSE）、交叉熵（cross-entropy）、对数似然函数（log-likelihood）、指数损失函数（exp-loss）、Hinge损失函数（Hinge-loss）、0-1损失函数、绝对值损失函数 4.反向传播优化算

1、会话sessiontf