tf API研读
MachineLP
成功收获成果,失败收获智慧,投入收获快乐!
展开
-
tf API 研读5:Data IO
数据IO {Data IO (Python functions)}一个TFRecords 文件为一个字符串序列。这种格式并非随机获取,它比较适合大规模的数据流,而不太适合需要快速分区或其他非序列获取方式。数据IO {Data IO (Python functions)}操作描述class tf.python_io.TFReco原创 2017-09-13 15:58:36 · 768 阅读 · 0 评论 -
tf37:tensorflow中将模型的权重值限定范围
我们在搭建模型的时候,受到一些收敛条件的限制,像wgan_loss需要讲权重设置在[-0.01, 0.01],这个操作在TF中是这样完成中。首先, 需要获得你搭建net的左右变量:D_vars = tf.get_collection(tf.GraphKeys.GLOBAL_VARIABLES, 'Discriminator_dcgan') 其中,'Discriminator_dcgan' 是...原创 2018-05-23 09:58:23 · 6338 阅读 · 2 评论 -
tf38:tensorflow使用pipeline通过队列方式读取数据训练
TF在训练的时候有好多方式,可以用转为TF的tfRecords;也可以通过数组读进内存的方式(数据量小或者内存总够大);或者数据量大时在每个batch的时候处理数据,这样会加大交互的时间,减少cpu的利用率;那么今天介绍一种借助TF的API使用pipeline通过队列方式读取数据的方式:先认识两个API:ops.convert_to_tensor() : 将不是张量的数据转为张量。tf.dynam...原创 2018-05-25 15:05:15 · 1387 阅读 · 0 评论 -
tf API 研读1:tf.nn,tf.layers, tf.contrib概述
你要的答案或许都在这里:小鹏的博客目录 我们在使用tensorflow时,会发现tf.nn,tf.layers, tf.contrib模块有很多功能是重复的,尤其是卷积操作,在使用的时候,我们可以根据需要现在不同的模块。但有些时候可以一起混用。 下面是对三个模块的简述: (1)tf.nn :提供神经网络相关操作的支持,包括卷积操作(conv原创 2017-09-04 10:46:30 · 15953 阅读 · 1 评论 -
tf.contrib.rnn.static_rnn与tf.nn.dynamic_rnn区别
你要的答案或许都在这里:小鹏的博客目录我的GitHub:https://github.com/MachineLP/train_cnn-rnn-attention 自己搭建的一个框架,包含模型有:vgg(vgg16,vgg19), resnet(resnet_v2_50,resnet_v2_101,resnet_v2_152), inception_v4, inception_resnet_v2等。...原创 2017-10-15 10:03:22 · 13189 阅读 · 0 评论 -
tensorflow下设置使用某一块GPU、多GPU、CPU的情况
你要的答案或许都在这里:小鹏的博客目录tensorflow下设置使用某一块GPU(从0开始编号):import osos.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID"os.environ["CUDA_VISIBLE_DEVICES"] = "1"多GPU:num_gpus = 4for i in range(nu原创 2017-10-20 10:14:40 · 12465 阅读 · 1 评论 -
tf API 研读2:math
TF API数学计算tf...... :math(1)刚开始先给一个运行实例。 tf是基于图(Graph)的计算系统。而图的节点则是由操作(Operation)来构成的,而图的各个节点之间则是由张量(Tensor)作为边来连接在一起的。所以Tensorflow的计算过程就是一个Tensor流图。Tensorflow的图则是必须在一个Session中来计算。原创 2017-09-05 12:00:37 · 4215 阅读 · 0 评论 -
tf API 研读4:Inputs and Readers
tensorflow中数据的读入相关类或函数:占位符(Placeholders)tf提供一种占位符操作,在执行时需要为其提供数据data。操作描述tf.placeholder(dtype, shape=None, name=None)为一个tensor插入一个占位符eg:x = tf.placeholder(t原创 2017-09-12 16:25:15 · 1704 阅读 · 0 评论 -
tf API 研读3:Building Graphs
tensorflow是通过计算图的方式建立网络。比喻说明:结构:计算图建立的只是一个网络框架。编程时框架中不会出现任何的实际值,所有权重(weight)和偏移是框架中的一部分,初始时要给定初始值才能形成框架,因此需要初始化。比喻:计算图就是一个管道,编写网络就是搭建一个管道结构。在使用前,不会有任何的液体进入管道。我们可以将神将网络的权重和偏移当成管道中的阀门,可以控制液体的流动强弱和原创 2017-09-12 15:50:45 · 714 阅读 · 0 评论 -
tf API 研读6:Running Graphs
会话管理 (Session management)操作描述class tf.Session运行TF操作的类,一个Session对象将操作节点op封装在一定的环境内运行,同时tensor对象将被计算求值tf.Session.__init__(target=”, graph=None, config=None)原创 2017-09-13 16:43:40 · 624 阅读 · 0 评论 -
tf46:再议tf.estimator之便利
MachineLP的Github(欢迎follow):https://github.com/MachineLP再议tf.estimator之便利: 了解一下TF的高级API如何使用。 看上去好像挺高大上的,其实按照固定的格式使用就可以了。 回头再看有点像是的keras的风格了, 呵呵哒。 还可以和这篇文章一起看: https://blog.csdn.ne...原创 2018-11-23 12:12:22 · 1339 阅读 · 0 评论