- 博客(6)
- 资源 (4)
- 收藏
- 关注
RSS订阅转载 TensorFlow（六）加、 减、 乘、 除运算
文章目录文章来源 加、 减、 乘、 除是最基本的数学运算，分别通过 tf.add, tf.subtract, tf.multiply, tf.divide函数实现， TensorFlow 已经重载了+、 − 、 ∗ 、 /运算符，一般推荐直接使用运算符来完成加、 减、 乘、 除运算。整除和余除也是常见的运算之一，分别通过//和%运算符实现。 通过 tf.pow(x, a)可以方便地完成乘方运算...
2019-12-17 21:19:38
1519
转载 TensorFlow（五）维度变换
文章目录改变视图、增删维度交换维度复制数据Broadcasting文章来源 改变视图、增删维度 基本的维度变换操作函数包含了改变视图 reshape、 插入新维度 expand_dims，删除维度 squeeze、 交换维度 transpose、 复制数据 tile 等函数。 x=tf.reshape(x,[2,4,4,3]) # 改变 x 的视图，获得 4D 张量，存储并未改变 tf.res...
2019-12-17 21:06:59
564
转载 TensorFlow（四）索引与切片
文章目录索引切片文章来源 通过索引与切片操作可以提取张量的部分数据， 它们的使用频率非常高. 索引 和C中索引矩阵相同，脚标0开始。 x = tf.random.normal([4,32,32,3]) # 创建 4D 张量 x[0] x[0][1] x[0][1][2] x[2][1][0][1] x[1,9,2] 当张量的维度数较高时， 使用[m][n][j][k]的方式书写不方便，可...
2019-12-17 19:08:48
363
转载 TensorFlow（三）张量的典型应用
文章目录标量向量矩阵三维张量四维张量文章来源 标量 在 TensorFlow 中，标量最容易理解，它就是一个简单的数字，维度数为 0， shape 为[]。标量的一些典型用途是误差值的表示、 各种测量指标的表示，比如准确度(Accuracy，简称 acc)，精度(Precision)和召回率(Recall)等。 向量 向量是一种非常常见的数据载体，如在全连接层和卷积神经网络层中，偏置张量...
2019-12-17 18:28:44
643
转载 TensorFlow（二）数据类型
文章目录数值类型数值精度 TensorFlow 中的基本数据类型，包含数值类型、 字符串类型和布尔类型。 数值类型 数值类型的张量是 TensorFlow 的主要数据载体， 根据维度数来区分，可分为: 数值类型的张量是 TensorFlow 的主要数据载体， 根据维度数来区分，可分为： 标量(Scalar)。 单个的实数，如 1.2, 3.4 等，维度(Dimension)数为 0， shape...
2019-12-17 16:38:32
333
转载 循环神经网络（RNN）
文章目录循环神经网络（RNN）参考链接 循环神经网络（RNN） 神经网络包含输入层、隐层、输出层，通过激活函数控制输出，层与层之间通过权值连接。激活函数是事先确定好的，那么神经网络模型通过训练“学“到的东西就蕴含在“权值“中。 基础的神经网络只在层与层之间建立了权连接，RNN最大的不同之处就是在层之间的神经元之间也建立的权连接。 首先看一个简单的循环神经网络如，它由输入层、一个隐藏层和一...
2019-12-10 11:16:23
199
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人