深度学习中遇到的Python问题(三)

本文介绍了在深度学习中遇到的Python问题,特别是TensorFlow库的使用。讨论了如何使用tf.train.piecewise_constant进行学习率调整,解释了tf.identity的作用——创建一个与输入张量相同的新张量,并在控制依赖性中使用。此外,还提到了tf.summary.scalar用于标量数据汇总和记录的功能,以及一些高级API的资源链接。
摘要由CSDN通过智能技术生成

1.tf.train.piecewise_constant
走到一定步长更改学习率。

 initial_learning_rate = 0.1 * params['batch_size'] / 128
 batches_per_epoch = _NUM_IMAGES['train'] / params['batch_size']

 global_step = tf.train.get_or_create_global_step()

   boundaries = [int(batches_per_epoch * epoch) for epoch in [100, 150, 200]]
   values = [initial_learning_rate * decay for decay in [
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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