【tensorflow】tf.nn 常用函数介绍: conv2d/max_pool/dropout/softmax

最新推荐文章于 2022-10-03 19:39:00 发布
最新推荐文章于 2022-10-03 19:39:00 发布
阅读量1.1k 收藏 2
点赞数
分类专栏： python tensorflow
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u012679707/article/details/79884768
版权
tf.nn常用函数介绍: conv2d()、max_pool()、softmax()、dropout()转自：tf.nn.conv2d函数和tf.nn.max_pool函数介绍 https://www.cnblogs.com/smartwhite/p/7819689.htmltf.nn.dropout防止过拟合 https://blog.csdn.net/huahuazhu/article/det...
摘要由CSDN通过智能技术生成

tf.nn常用函数介绍: conv2d()、max_pool()、softmax()、dropout()


转自：

tf.nn.conv2d函数和tf.nn.max_pool函数介绍 https://www.cnblogs.com/smartwhite/p/7819689.html

tf.nn.dropout防止过拟合 https://blog.csdn.net/huahuazhu/article/details/73649389

tensorflow常用函数之tf.nn.softmax  https://my.oschina.net/u/780234/blog/1588827


1. tf.nn.conv2d()

tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, name=None)

介绍参数：

input：指卷积需要输入的参数，具有这样的shape[batch, in_height, in_width, in_channels

最低0.47元/天 解锁文章
大姨妈V
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
激活函数sigmoid、softmax；正则化、Normalization、Dropout
weixin_42357472的博客
05-28 1719
激活函数 1、sigmoid（二分类、多标签） 2、softmax（多分类，概率和为1） Sigmod本质上是Softmax的特殊情况 正则化、Normalization、Dropout 三者防止过拟合，（其他防止过拟合，数据增加，提前结束，残差等） 参考：https://blog.csdn.net/guihuo2889/article/details/92803588 激活函数，dropout、Normalization一般顺序： ...
max pooling with dropout
03-31
在matlab上实现了具备max pooling和dropout功能的convolutional neural network，并附带MNIST数据集，可以直接运行测试。 时间有限，仅有1层convolution和1层pooling。
tf.nn.in_top_k的用法
热门推荐
UESTC_C2_403的博客
06-13 2万+
tf.nn.in_top_k组要是用于计算预测的结果和实际结果的是否相等，返回一个bool类型的张量，tf.nn.in_top_k(prediction, target, K):prediction就是表示你预测的结果，大小就是预测样本的数量乘以输出的维度，类型是tf.float32等。target就是实际样本类别的标签，大小就是样本数量的个数。K表示每个样本的预测结果的前K个最大的数里面是否含有
tensorflow中的tf.nn这类函数
行走的IT
03-10 3327
tf.nn.sparse_softmax_cross_entropy_with_logits(_sentinel=None, labels=None, logits=None, name=None) 计算对数和标签之间的稀疏softmax交叉熵。
tf笔记学习-常用函数
iiiiiwonderful的博客
04-01 267
看tf笔记，新学的tf中常用的函数，在此整理一下，留作复习用。 import tensorflow as tf x = tf.constant([[1,2,3],[14,2,5]]) print(x) print(tf.reduce_mean(x)) #不指定参数的话 就是求所有元素的平均值（1+2+3+14+2+5)/6=4 print(tf.reduce_mean(x,axis =...
关于TensorFlow中tf.nn.conv2d与max_pool函数的解释
yituoxiaoge_keliang的博客
05-26 512
在学习构建简单的CNN网络的过程中，发现了conv2d这个函数，他和max_pool一样都是构建卷积层的工具函数。这两个函数都有不理解的地方。做个笔记边记录边理解一下哈哈。       conv2d函数：tf.nn.conv2d(input,filter,strides,padding,use_cudnn_on_gpu=None,name=None下面详解参数的含义：        input：张...
Tensorflow tf.nn.depthwise_conv2d如何实现深度卷积的
12-20
tf.nn.depthwise_conv2d(input,filter,strides,padding,rate=None,name=None,data_format=None) 除去name参数用以指定该操作的name，data_format指定数据格式，与方法有关的一共五个参数： input： 指需要做卷积的...
TensorFlow tf.nn.conv2d_transpose是怎样实现反卷积的
09-17
主要介绍了TensorFlow tf.nn.conv2d_transpose是怎样实现反卷积的，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
Tensorflow tf.nn.atrous_conv2d如何实现空洞卷积的
09-17
主要介绍了Tensorflow tf.nn.atrous_conv2d如何实现空洞卷积的，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
TensorFlow tf.nn.conv2d实现卷积的方式
09-18
今天小编就为大家分享一篇TensorFlow tf.nn.conv2d实现卷积的方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
TensorFlow --卷积神经网络之 tf.nn.conv2d与tf.nn.max_pool
不曾走远的博客
09-26 2870
最近在研究学习TensorFlow，在做识别手写数字时，遇到了tf.nn.conv2d这个方法，其中有些方法还不是很清楚，于是网上搜索后，记录如下： 卷积神经网络的核心是对图像的“卷积”操作 tf.nn.conv2d方法定义 tf.nn.conv2d (input, filter, strides, padding, use_cudnn_on_gpu=None, data_format=No...
Conv2D & MaxPooling2D & Dropout & concatenate
baixue0729的博客
07-17 2179
2D卷积层（例如，图像上的空间卷积）。 该层创建一个卷积内核，该卷内核与层输入卷积以产生一个输出张量。 如果use_bias为True，则创建偏置向量并将其添加到输出。 最后，如果激活不是None，它也会应用于输出。 将此图层用作模型中的第一个图层时，请提供关键字参数input_shape（整数元组，不包括示例轴），例如 input_shape =（128,128,3），用于data_format...
tensorflow `conv2d max_pool 方法参数
FREEDOM
03-02 3934
第一篇 1、padding的方式： 说明： 1、摘录自http://stackoverflow.com/questions/37674306/what-is-the-difference-between-same-and-valid-padding-in-tf-nn-max-pool-of-t 2、不同的padding方式,VALID是采用丢弃的方式,比如上
TensorFlow实现基础CNN,两层卷积+2层全连接网络demo
Fitz_p的博客
06-27 4508
TensorFlow实现基础CNN,两层卷积+2层全连接网络demo,代码如下,注释都有import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_data#加载数据集mnist=input_data.read_data_sets('MNIST_data',one_hot=True)#每个批次的大小bat...
Pytorch中Conv2d、ConvTranspose2d和MaxPool2d参数计算公式
Philo的博客
09-30 3034
更新了空洞卷积属性的计算公式，也给出了非空洞卷积的计算公式，具体可以从官网学习！
卷积神经网络CNN(二）——基本性质
GWENGJING的博客
09-01 1099
这一篇文章将在最基础的卷积神经网络的结构上做一些优化使其效率更高。
初识神经网络中的各种层和神经网络结构
ch206265的博客
06-25 1万+
所谓激励，实际上是对卷积层的输出结果做一次非线性映射 所谓池化（欠采样或下采样），主要用于特征降维，压缩数据和参数的数量，减小过拟合 经过前面若干次卷积+激励+池化后，终于来到了输出层 ...
torch.log_softmax与torch.nn.functional.log_softmax的区别（dropout，relu，crossentropy，log_softmax）
ldy007714的博客
10-03 1779
pytorch，使用torch.nn与torch.nn.functional的区别
tensorflow的优化器Optimizer
CSDN1HAO的博客
06-19 448
种类如下，其中Optimizer是基类 tf.train.Optimizer tf.train.GradientDescentOptimizer tf.train.AdadeltaOptimizer tf.train.AdagradOptimizer tf.train.AdagradDAOptimizer tf.train.MomentumOptimi...
import tensorflow as tf # 定义输入的占位符 x = tf.placeholder(tf.float32, [None, 1280, 1024, 3]) y = tf.placeholder(tf.float32, [None, num_classes]) # num_classes表示类别数目 # 定义卷积层 conv1 = tf.layers.conv2d(inputs=x, filters=32, kernel_size=[3, 3], padding="same", activation=tf.nn.relu) pool1 = tf.layers.max_pooling2d(inputs=conv1, pool_size=[2, 2], strides=2) conv2 = tf.layers.conv2d(inputs=pool1, filters=64, kernel_size=[3, 3], padding="same", activation=tf.nn.relu) pool2 = tf.layers.max_pooling2d(inputs=conv2, pool_size=[2, 2], strides=2) # 定义全连接层 flatten = tf.reshape(pool2, [-1, 320 * 256 * 64]) fc1 = tf.layers.dense(inputs=flatten, units=256, activation=tf.nn.relu) dropout1 = tf.layers.dropout(inputs=fc1, rate=0.4) fc2 = tf.layers.dense(inputs=dropout1, units=num_classes) # 定义损失函数和优化器 loss = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(labels=y, logits=fc2)) optimizer = tf.train.AdamOptimizer(learning_rate=0.001).minimize(loss) # 定义评估指标 correct_prediction = tf.equal(tf.argmax(fc2, 1), tf.argmax(y, 1)) accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
最新发布
06-03
- 损失函数和优化器：使用 softmax_cross_entropy_with_logits 函数作为损失函数，AdamOptimizer 作为优化器，学习率为 0.001。 - 评估指标：使用 equal 函数来计算预测结果和真实标签是否一致，将结果转换为浮点数...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值