![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
TensorFlow
爱跑步的george
北京邮电大学
展开
-
tensorflow 1.完整的反向传播神经网络
# import tensorflow as tf #生成模拟数据集 from numpy.random import RandomState #定义训练数据batch的大小 batch_size = 8 #定义神经网络的参数 w1 = tf.Variable(tf.random_normal([2,3],stddev=1,seed=1)) w2 = tf.Variable(tf.random_n...原创 2018-05-28 17:15:05 · 655 阅读 · 0 评论 -
tensorflow 2: 自定义损失函数的反向传播神经网络
#import tensorflow as tf from numpy.random import RandomState batch_size = 8 #两个输入节点 x = tf.placeholder(tf.float32,shape=(None,2),name='x-input') #回归问题一般只有一个输出节点 y_ = tf.placeholder(tf.float32,shape=...原创 2018-05-28 19:46:36 · 1834 阅读 · 0 评论 -
tensorflow 3.滑动平均模型
# import tensorflow as tf #定义一个变量用于计算滑动平均,这个变量的初始值为0,注意这里手动指定了变量的类型为tf.float32, # 因为所有需要计算滑动平均的变量必须是实数型 v1 = tf.Variable(0,dtype=tf.float32) #这里step变量模拟神经网络迭代的轮数,可以用于动态控制衰减率 step = tf.Variable(0,train...原创 2018-05-29 20:01:07 · 261 阅读 · 0 评论 -
tensorflow 4: MNist手写体识别
#MNIST数据集相关的常数 INPUT_NODE = 784 #输入层的节点数。对于MNIST数据集,这个就等于图片的像素 OUTPUT_NODE = 10 #输出层的节点数、这个等于类别的数目。因为在MNIST数据集中需要区分的是0-9这10个数字,所以这里输出层的节点数为10 #配置神经网络的参数 LAYER1_NODE = 500 #隐藏层节点数。这里使用只有一个隐藏层的网络结构作为样例...原创 2018-05-29 22:23:42 · 145 阅读 · 0 评论 -
tensorflow 5: 模型持久化
1.保存模型 #声明两个变量并计算他们的和 v1 = tf.Variable(tf.constant(1.0,shape=[1]),name='v1') v2 = tf.Variable(tf.constant(2.0,shape=[1]),name='v2') result = v1 + v2 init_op = tf.initialize_all_variables() #声明tf.tra...原创 2018-05-31 21:07:06 · 412 阅读 · 0 评论 -
tensorflow 6: TensorFlow 最佳时间样例程序
1. mnist_inference.py 定义前向传播过程及神经网络中的参数 import tensorflow as tf #定义神经网络结构相关的参数 INPUT_NODE = 784 OUTPUT_NODE = 10 LAYER1_NODE = 500 #通过tf.get_variable函数来获取变量。在训练神经网络时会创建这些变量;在测试时会通过保存的模型加载这些变量的取值。 ...原创 2018-05-31 21:31:28 · 526 阅读 · 0 评论 -
Tensorflow(一)
import tensorflow as tf import numpy as np x_data = np.random.rand(100).astype(np.float32) y_data = x_data*0.1 + 0.3 Weights = tf.Variable(tf.random_uniform([1],-1.0,1.0)) biases = tf.Variable(tf.zero...原创 2018-07-14 22:30:58 · 147 阅读 · 0 评论 -
使用TensorFlow打造自己的图像识别模型
1.目标 2.微调原理了解 3.数据准备 4.使用TensorFlow Slim微调模型 1)下载TensorFlow Slim源码 2)定义自己的datasets文件 3)准备训练文件夹 4)开始训练 5)模型准确率验证 6)导出模型对单张图片进行识别 5.问题总结 本文为笔者学习《21个项目玩转深度学习:基于TensorFlow的实践详解》这本书第三章的学习笔记...转载 2019-02-27 11:22:45 · 951 阅读 · 2 评论