Tensorflow
贾诩是也
走过很多弯路,一直坚强、执着的眺望着远方、、、一个听着小米布斯故事成长起来的老码农。不忘初心,方得始终、、、给自己鼓劲加油,为这个时代华丽的时代喝彩!
展开
-
深入浅出TensorFlow(二):TensorFlow解决MNIST问题入门
TensorFlow安装Docker是新一代的虚拟化技术,它可以将TensorFlow以及TensorFlow的所有依赖关系统一封装到Docker镜像当中,从而大大简化了安装过程。Docker是可移植性最强的一种安装方式,它支持大部分的操作系统(比如Windows,Linux和Mac OS)。对于TensorFlow发布的每一个版本,谷歌都提供了官方镜像。在官方镜像的基础上,才云科技提供的镜像转载 2017-08-21 08:03:28 · 475 阅读 · 0 评论 -
深入浅出Tensorflow(三):训练神经网络模型的常用方法
本文将介绍优化训练神经网络模型的一些常用方法,并给出使用TensorFlow实现深度学习的最佳实践样例代码。为了更好的介绍优化神经网络训练过程,我们将首先介绍优化神经网络的算法——梯度下降算法。然后在后面的部分中,我们将围绕该算法中的一些元素来优化模型训练过程。梯度下降算法梯度下降算法主要用于优化单个参数的取值,而反向传播算法给出了一个高效的方式在所有参数上使用梯度下降算法,从而使神经网络转载 2017-08-21 08:03:57 · 3504 阅读 · 0 评论 -
深入浅出Tensorflow(四):卷积神经网络
本文为第四篇文章,将会介绍卷积神经网络,通过与传统算法的对比、卷积神经网络的结构分析等方面来介绍卷积神经网络模型,并给出通过TensorFlow在MNIST数据集上实现卷积神经网络的方法。卷积神经网络简介斯坦福大学(Stanford University)李飞飞(Feifei Li)教授带头整理的ImageNet是图像识别领域非常有名的数据集。在ImageNet中,将近1500万图片被关联转载 2017-08-21 08:04:17 · 2512 阅读 · 0 评论 -
深入浅出Tensorflow(五):循环神经网络简介
循环神经网络(recurrent neural network,RNN)源自于1982年由Saratha Sathasivam提出的霍普菲尔德网络。霍普菲尔德网络因为实现困难,在其提出的时候并且没有被合适地应用。该网络结构也于1986年后被全连接神经网络以及一些传统的机器学习算法所取代。然而,传统的机器学习算法非常依赖于人工提取的特征,使得基于传统机器学习的图像识别、语音识别以及自然语言处理等问题转载 2017-08-21 08:04:52 · 1993 阅读 · 0 评论 -
深入浅出TensorFlow(六)TensorFlow高层封装
在前面的几篇文章已经介绍了如何使用原生态TensorFlow API来实现各种不同的神经网络结构。虽然原生态的TensorFlow API可以很灵活的支持不同的神经网络结构,但是其代码相对比较冗长,写起来比较麻烦。为了让TensorFlow用起来更加方便,可以使用一些TensorFlow的高层封装。目前对TensorFlow的主要封装有4个:第一个是TensorFlow-Slim;第二转载 2017-08-21 08:05:17 · 496 阅读 · 0 评论 -
深入浅出TensroFlow(七)TensorFlow计算加速
在前面的文章中介绍了使用TensorFlow实现各种深度学习的算法。然而要将深度学习应用到实际问题中,一个非常大的问题在于训练深度学习模型需要的计算量太大。比如要将Inception-v3模型在单机单卡上训练到78%的正确率需要将近半年的时间,这样的训练速度是完全无法应用到实际生产中的。为了加速训练过程,本文将介绍如何通过TensorFlow利用GPU或/和分布式计算进行模型训练。Tensor转载 2017-08-21 08:05:30 · 4826 阅读 · 0 评论 -
TensorFlow初学者资料梳理
第一步:给TF新手的教程指南1:tf初学者需要明白的入门准备 机器学习入门笔记: https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/0_Prerequisite/ml_introduction.ipynb MNIST 数据集入门笔记 https://git转载 2017-09-09 10:01:04 · 664 阅读 · 0 评论