![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
莫烦tensorflow学习
weixin_45164735
这个作者很懒,什么都没留下…
展开
-
pycharm使用已经创建的虚拟环境
File->settings->project->python interpreter->Add原创 2022-01-30 09:15:42 · 1676 阅读 · 1 评论 -
学习过程中遇到的conda语句
查看已有源 conda config --show-sources原创 2022-01-30 09:07:23 · 142 阅读 · 0 评论 -
我的电脑安装tensorflow步骤
1、从控制面板得知我的GPU是GTX1050ti2、进入网站查得GPU对应算力为6.1点击进入查询网站地址原创 2022-01-30 09:06:06 · 1748 阅读 · 0 评论 -
莫烦keras学习代码二(手写数字识别MNIST classifier CNN版)
知道了CNN的原理,同样是只要将之前用tensorflow写的几个建立网络的函数用keras的更简单的方法替换就行。训练结果:用Sequential().add()添加想要的层,添加卷积层就用Convolution2D(),例如:卷积核的数量为32,大小5x5,padding为same,输入是一通道,28行28列的图像。model =Sequential()model.add(Convolution2D( filters=32, kernel_size=5, paddi原创 2022-01-23 17:22:59 · 297 阅读 · 0 评论 -
莫烦keras学习代码一(手写数字识别MNIST classifier)
在学了tensorflow后来学keras,再写一遍之前的手写数字识别,keras的代码更少,tensorflow里的很多步骤在keras都省略了,但是学tensorflow又有助于理解keras中一些参数的设置以及同样一个功能要用tensoflow怎么实现,而keras就是一行代码的事。以下是和tensorflow的不同之处一、在tensorflow中定义两层网络特别复杂,具体代码请看Tensorflow手写数字识别,而使用keras建立两层网络只要用Sequential就可以了,而且第二层的输入就原创 2022-01-23 16:06:36 · 286 阅读 · 0 评论 -
pycharm误删文件找回
右击文件夹->Local History->Show History,找到所删除的右键再点击Revert就能恢复原创 2022-01-23 14:19:45 · 694 阅读 · 0 评论 -
莫烦Tensorflow学习代码八(手写数字识别MNIST学习)
加入此代码指定用0号GPU计算import osos.environ["CUDA_VISIBLE_DEVICES"] = "0"原创 2022-01-22 17:07:55 · 1608 阅读 · 0 评论 -
莫烦Tensorflow学习代码九(手写数字识别MNIST CNN学习)
在之前的学习基础上使用卷积神经网络CNN的训练,准确率提升了许多。与之前不同的地方就是添加了两层卷积神经,之前学习理论没弄明白的全连接层写完这个代码后也弄明白了。而且运用了dropout解决过拟合问题。最后准确率达到了0.9688,比之前0.87还是要高不少以下是重要代码一、定义conv2d和max_pool_2x2函数x是输入,W是权重,stride=[1,1,1,1]是前后上下步长都为1,padding=‘SAME’,指卷积后输出的大小不变,假设原图像是28x28,那么输出还是28x28,p原创 2022-01-23 10:54:47 · 624 阅读 · 0 评论 -
莫烦Tensorflow学习代码七(神经网络可视化tensorboard学习)
这个神经网络可视化是在前面的回归问题基础上学习的,可直观地看到数据的流向,整个神经网络的结构,loss函数的下降曲线,和biases和weights等参数的直方图。给输入设置一个大的框架然后再在palceholder中加入name=‘x_in’,name='y_in’给xs和ys分别命名:with tf.name_scope('inputs'): xs = tf.placeholder(tf.float32,[None,1],name='x_in') ys = tf.placehold原创 2022-01-22 11:21:48 · 97 阅读 · 0 评论 -
莫烦Tensorflow学习代码五(二次函数训练)
import tensorflow._api.v2.compat.v1 as tfimport numpy as npimport matplotlib.pyplot as plttf.disable_v2_behavior()#定义神经层def add_layer(inputs,in_size,out_size,activation_function=None): Weights = tf.Variable(tf.random_normal([in_size,out_size]))#用原创 2022-01-21 16:05:19 · 430 阅读 · 0 评论 -
莫烦Tensorflow学习代码四(placeholder学习)
import tensorflow._api.v2.compat.v1 as tftf.disable_v2_behavior()#当你想在run的时候输入input1 = tf.placeholder(tf.float32)input2 = tf.placeholder(tf.float32)output = tf.multiply(input1,input2)with tf.Session() as sess: print(sess.run(output,feed_dict={i原创 2022-01-21 10:39:17 · 420 阅读 · 0 评论 -
莫烦Tensorflow学习代码三(variable学习)
import tensorflow._api.v2.compat.v1 as tftf.disable_v2_behavior()state=tf.Variable(0,name='counter')#tensorflow中必须要定义其是变量它才是变量像python中#print(state.name)one=tf.constant(1)new_value = tf.add(state,one)update = tf.assign(state,new_value)init=tf.initia原创 2022-01-21 10:30:35 · 282 阅读 · 0 评论 -
莫烦Tensorflow学习代码二(Session学习)
import tensorflow._api.v2.compat.v1 as tftf.disable_v2_behavior()matrix1=tf.constant([[3,3]])matrix2=tf.constant([[2], [2]])product = tf.matmul(matrix1,matrix2)#矩阵乘法,np.dot(m1,m2)#method 1# sess=tf.Session()# result = sess.run(pr原创 2022-01-21 10:12:20 · 743 阅读 · 0 评论 -
莫烦Tensorflow学习代码一(实现y=0.1*x+0.3)
import tensorflow._api.v2.compat.v1 as tfimport numpy as np #numpy是科学计算的模块tf.disable_v2_behavior()# create datax_data = np.random.rand(100).astype(np.float32) #生成100个随机数列y_data = x_data*0.1 + 0.3#w=0.1,b+0.3#### create tensorflow structure start ##原创 2022-01-21 10:10:58 · 290 阅读 · 0 评论