总结一下这几天的学习吧
五天没有写博客啦,感觉生命好空虚啊
也不知为啥,感觉好迷惑好迷茫
前几天做的事:
一直调试代码测试mnist数据集的
在docker中运行TensorFlow镜像
看利用TensorFlow框架的代码写的检测mnist数据集,看的一脸懵逼外加迷惑、烦躁
前天和昨天听了,参加了一个会议和听了几场报告,无聊的人生
------------------------------------------------------------------------------------------------------------------------------------
总结一下今天的学习过程
今天在网上找到了一些视屏资料,从新学习一下TensorFlow框架
TensorFlow:
使用graphs来表示计算任务
在被称之为会话session的上下文context中执行graphs
使用tensor表示数据
通过变量variable维护状态
使用feed和fetch可以为任意的操作赋值或者从其中获取数据
TensorFlow是一个编程系统,使用graphs来表示计算任务,graphs中的节点被称之为op(operation),一个op获得0个或多个tensor,执行计算产生0个或者多个tensor,tensor看做是一个N维的数组或列表,graphs必须在Session中被启动
使用teb键补全函数
constant定义常量
malmul矩阵的相乘,输出的是一个tensor,只有在Session中再回被执行
session定义一个会话,使用run方法来启动
variable定义一个变量,使用的时候必须先初始化:tf.global_variables_initializer()
subtract减法
add加法
assign赋值操作
multiply乘法
placeholder占位符
np.linspace(-0.5,0.5,200)[:,np.newaxis]:生成随机矩阵
np.random.normal(0,0.02,x_data.shape):生成一个和x_data形状相同的随机矩阵
one-hot向量:有一个为1,其他为0
softmax模型可以用来给不同的对象分配概率
修改的方法
批次大小
增加隐藏层
改变激活函数
权值和偏置变量的初始化方法更换
改变代价函数,如交叉熵方法
优化方法:梯度下降法,调整学习率大小
更多的循环次数训练
算是比较充实的一天吧,明天加油!