![](https://img-blog.csdnimg.cn/20200120104007636.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
人工智能专栏
人工智能学习的点滴
tian_jiangnan
穷尽一生都在追求灵魂的舒适与快乐
展开
-
tensorflow教程之tf.train.Saver()用法解析
tf.train.Saver()是保存模型的举个例子import tensorflow as tfd=tf.train.Saver()with tf.Session() as sess: sess.run(tf.global_variables_initializer()) d.save(sess,"nn/model.ckpt")运行程序以后,刷新一下右侧项目文件夹,发现nn文件夹下方多了4个文件...原创 2020-06-09 15:38:25 · 1405 阅读 · 0 评论 -
tf.train.get_or_create_global_step()用法解析
这个方法是创建一个全局的步数,当然也可以在python里面创建一个全局变量,专门计步的.不过tf里面既然有,用这个更好些吧import tensorflow as tfd=tf.train.get_or_create_global_step()with tf.Session() as sess: sess.run(tf.global_variables_initializer()) print(sess.run(d))初始化为0要加的话,可以d=d+1 或者是tf.a.原创 2020-06-09 13:22:11 · 6298 阅读 · 0 评论 -
tensorflow教程之tf.argmax()用法解析
tf.argmax(a) 当只有一个参数的时候,求的是这个数组里面最大数的下标或索引import tensorflow as tfa=tf.argmax([1,5,90,2,3,4,5])with tf.Session() as sess: print(sess.run(a))最大的值是90,对应的索引是2,记住索引是从0开始的如果是一个二维的矩阵呢import tensorflow as tfb=[[3,8,9],[2,15,0]]a=tf.argmax(b..原创 2020-06-09 11:17:41 · 2842 阅读 · 1 评论 -
tf.get_collection()用法解析
这个方法是根据key或者命名区间范围获取集合的函数举个例子import tensorflow as tfa=tf.GraphKeys.UPDATE_OPSc=tf.get_collection(a)print(a)print(c)我们获取key为update_ops的集合,显而易见,我们压根没有集合,别提key了,所以返回是[]举个人能看得懂的例子import tensorflow as tfwith tf.name_scope("update_ops"):..原创 2020-06-08 10:41:32 · 2622 阅读 · 2 评论 -
tensorflow教程之tf.reduce_mean(d)方法的用法解析
我们通过例子来了解用途第一个例子:axis不指定的话,求所有元素的平均值import tensorflow as tfd=[[1,2,5],[33,20,10],[5,8,9]]c=tf.reduce_mean(d)with tf.Session() as sess: print(sess.run(c))第二个例子,axis=0 y轴求平均值import tensorflow as tfd=[[1,2,5],[33,20,10],[5,8,9]]c=tf.red原创 2020-06-06 14:47:55 · 315 阅读 · 0 评论 -
tensorflow教程之tf.nn.softmax_cross_entropy_with_logits()方法解析
tf.nn.softmax_cross_entropy_with_logits(labels,logits)这个方法是最大似然函数,也是损失函数;这个函数有两个主要的参数,一个是标签,一个是最后全连接层输出的结果;注意这两个参数的维度必须一致!标签一般都是用ont-hot热码,什么是ont-hot,自己百度,很简单的如果是3类,那么就是 [0,0,1] [0,1,0] [1,0,0] ont-hot只有0和1 而且只有用ont-hot表示只有一个1一个音频文件或者一张图片,经过卷积层或...原创 2020-06-06 14:38:54 · 733 阅读 · 0 评论 -
tensorflow教程之tf.nn.dropout()方法解析,让你对神经网络不在头晕目眩
我们要知道tf.nn.dropout()是一个防止模型过于拟合的方法,该方法顾名思义就是丢弃一部分数据,来达到防止过于拟合的目的!我们看一个例子,这个是全连接层的操作import tensorflow as tfa = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3])b = tf.constant([7.5, 8.4, 9.4, 10.41, 11.1, -12.0], shape=[3,2])c=tf.constant([原创 2020-06-06 11:45:55 · 2235 阅读 · 0 评论 -
tensorflow教程之tf.nn.relu(d)的用法解析
在神经网络训练的过程中,会涉及到tf.nn.relu(d),也就是激活函数,这个激活函数挺起来真的很高大上,这个激活函数究竟有什么用处呢?我们来看一个例子就知道了,这个是模仿全连接层计算的,这个激活函数就是把负数填充为0,减少神经网络的一层层计算!import tensorflow as tfa = tf.constant([1, 2, 3, 4, 5, 6], shape=[2, 3])b = tf.constant([7, 8, 9, -10, -11, -12], shape=[3,2原创 2020-06-06 11:29:51 · 1864 阅读 · 0 评论 -
小白必看 解析tf.multiply()方法
tf.multiply()这个是相乘的方法,如果是单纯的数字的话,很简单就是直接乘如果是矩阵呢?必须是同一维度的两个矩阵相乘相乘就是对应位置的数相乘1*1=1 2*3=6 1*!=1 1*2=2 5*4=20 1*2=2...原创 2020-06-05 16:12:55 · 3020 阅读 · 1 评论 -
tensorflow教程之tf.clip_by_value()的用法全方位讲解
tf.clip_by_value(a,b,c)a是一个矩阵,b是最小值,c是最大值;这个方法是控制a里面的值。如果里面的值小于b,输出b,大于c就输出c案例如下import tensorflow as tfc=tf.clip_by_value([7.0,8.1,9.2],-1.0,1.0)with tf.Session() as sess: print(sess.run(c))a为[7.0,8.1,9.2] 这里的值都大于最大值1.0 所以输出全是1.0如下如果b为7...原创 2020-06-05 14:07:07 · 3567 阅读 · 0 评论 -
tensorflow教程之tf.placeholder()的用法全方位解析
tf.placeholder()是一个占位符,通俗的来说就是先定义一个变量形参,然后再sess会话里面赋值进去!情景:a,b是不确定的数我要计算a*b的结果c,并对结果c进行形状的改变,然后形变之后的结果再进行操作!下一步的操作对象是上一步的结果,每一步环环相扣,我是不是需要定义一个变量来操作呢?tf.placeholder()就是定义一个变量tf.placeholder(tf.int32)是定义一个int类型的变量tf.placeholder(tf.int32,[3,1])原创 2020-06-05 13:11:03 · 4351 阅读 · 0 评论 -
tensorflow教程之tf.slice()用法全方位解析
tf.slice()是切片分割方法tf.slice(a,b,c) 其中a是原始数据,b是具体怎么分割,c是得到结果的维度举个例子import tensorflow as tfscale=tf.placeholder(tf.int32)t1 = [[9, 1, 6], [8, 2, 5],[7, 3, 4], [6, 4, 3],[5, 5, 2], [4, 6, 1]]d=tf.slice(t1,scale,[3,2])with tf.Session() as sess: pri原创 2020-06-05 12:02:37 · 4517 阅读 · 0 评论 -
tensorflow教程之tf.pad()方法各方位无死角解析
tf.pad()方法是填充张量的tf(a,b) 是把通过b来填充a,我们来看一个例子乍一看,感觉看不懂,不知道是什么?原本是一个2行三列的[[1,2,3],[4,5,6]]通过[[2,3],[1,4]]就变成控制台以下的输出了,怎么变的呢?我们把[[1,2,3],[4,5,6]]当作一个整体AB,AB上增加2行,AB下增加3行,AB做增加1列,AB右增加4列原本是2行三列,之后是2+2+3=7行,3+1+4=8列!如果给[[1,2,3],[4,5,6]]填充为[[3,2]..原创 2020-06-05 11:05:31 · 437 阅读 · 0 评论 -
海康摄像头不记得登陆密码了怎么办?2020年联系人工客服最新版解答方案
微信关注海康威视客户服务公众号,点击“贴心服务”的“密码重置”填写一些基础信息,就会有下载地址显示,然后填写邮箱,就会发送到你的邮箱里面这个时候打开软件,点击忘记密码;然后点击二维码,微信公众号点击扫描,然后会出现一串字符串复制到qq或者微信,输入到相应的位置,输入新的密码...原创 2020-04-09 17:05:24 · 12497 阅读 · 1 评论 -
python编程之tf.nn.softmax_cross_entropy_with_logits()的用法,包你看过一次终生不退还知识
tf.nn.softmax_cross_entropy_with_logits()这个方法又臭又长,看到就头晕!!这个方法在什么时候用到?神经网络最后输出层时用到,计算损失率,神经网络预测出的标签与实际标签之间的误差是多少?这是评价这个模型优劣的标准。这个方法有两个重要参数:1、logits:样本最后输出的几个特征值(如果是10类,就是10个特征值,与分类的类别数目有关) ...原创 2020-03-25 09:49:52 · 339 阅读 · 0 评论 -
Unable to open table file tmp\speech_commands_train\best\checkpoint: Data lo
报错背景加载训练的模型报错信息如下以下是我的训练模型错误原因模型一般是.ckpt或者.h结尾的;如果你发现没有这样的,不要慌,用记事本打开上面的文档(没有后缀名的)解决方案 default='tmp/speech_commands_train/best/dnn_8777.ckpt-17600',...原创 2020-03-19 13:55:50 · 283 阅读 · 0 评论 -
深度学习Tensorflow入门案例之手写数字识别,背着你入门
前提语言:python框架:tensorflow深入学习的入门就是手写数字识别,相当于我们学习语言的第一个helloworld一样最为最基础最小白的你,最好先入手Keras框架,Keras框架的后台是tensorflow至于Python的安装、Tensorflow的安装以及Keras框架的安装,看官网这里https://keras.io/zh/整个手写数...原创 2020-03-10 17:44:42 · 486 阅读 · 0 评论 -
Mfcc+GMM训练性别检测器模型,达到识别音频性别的效果
首先我们要知道什么是mfcc特征?mfcc实际上就是获取音频的包络,包络是每个人声音的身份证,说白点,每个人的声道形状不一样,但是一个人的声道形状是固定的,这个就是身份证,发出来的声音自然有辨识度。所以我们要提取mfcc特征。怎么提取mfcc?预处理、分帧、加窗、快速傅里叶变换、逆傅里叶变换等第一步、读取音频文件a是.wav音频文件的路径fs是音频的采样率,采样率是每秒音频...原创 2020-03-16 15:21:23 · 2209 阅读 · 2 评论