tensorflow
ZQSZXY
这个作者很懒,什么都没留下…
展开
-
tf.cast
tf.cast(x, dtype, name=None)将x的数据格式转化成dtype.例如,原来x的数据格式是bool,那么将其转化成float以后,就能够将其转化成0和1的序列。然后可以进行其他数学运算。import tensorflow as tfa = tf.Variable([1, 1, 0, 0], "bool")b = tf.cast(a, "float")init =...原创 2018-11-01 14:24:10 · 134 阅读 · 1 评论 -
MNIST数据集转换成TFRecord文件
TFRecord 文件中的数据都是通过 tf.train.Example Protocol Buffer 的格式存储的。以下为 tf.train.Example 的数据结构:message Example { Features features = 1;};message Features{ map<string, Feature> feature = 1;};messa...原创 2019-04-02 16:34:21 · 1013 阅读 · 1 评论 -
tf.nn.conv2d()详解
tf.nn.conv2d是TensorFlow里面实现卷积的函数,参考文档对它的介绍并不是很详细,实际上这是搭建卷积神经网络比较核心的一个方法,非常重要。tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, name=None)除去name参数用以指定该操作的name,与方法有关的一共五个参数:第一个参数in...原创 2019-03-28 09:47:37 · 1579 阅读 · 0 评论 -
tensorflow保存和恢复模型
以下代码在Python3.6和TensorFlow>=1.10运行通过。1.tensorflow模型有两个文件组成:(1)meta graph:这是一个协议缓冲区, 它保存了完整的tensorflow图形,即所有变量、操作、集合等。该文件以.meta作为扩展名。(2)checkpoint file:这是一个二进制文件,它包含了所有的权重、偏置、梯度和其他所有变量的值。这个文件有一个...原创 2019-03-16 10:56:32 · 243 阅读 · 0 评论 -
tf.app.flags.DEFINE_string()和tf.app.flags.FLAGS
总结起来的话,tf.app.flags.DEFINE_xxx()就是添加命令行的optional argument(可选参数),而tf.app.flags.FLAGS可以从对应的命令行参数取出参数。举个例子新建testc.py文件,并输入如下代码,代码的功能是创建几个命令行参数,然后把命令行参数输出显示。import tensorflow as tfFLAGS = tf.app.flag...原创 2019-03-14 19:24:31 · 693 阅读 · 0 评论 -
Windows系统在远程服务器上使用tensorboard
在Windows系统装一个Xshell在文件–>属性–>ssh–>隧道–>添加,类型local,源主机填127.0.0.1(意思是本机),端口设置一个,比如12345,目标主机为服务器,目标端口一般是6006,如果6006被占了可以改为其他端口在服务器上运行tensorboard --logdir='logs' --port=6006然后在本地浏览器上输入127.0...原创 2019-03-06 15:44:17 · 1401 阅读 · 2 评论 -
tf.get_variable()函数
具体用法:常用到的参数如下:tf.get_variable( name, shape=None, dtype=None, initializer=None,)name就是变量的名称shape是变量的维度initializer是变量初始化的方式初始化的方法有以下几种:tf.constant_initializer:常量初始化函数tf.random_...原创 2019-02-25 16:17:57 · 641 阅读 · 0 评论 -
tf.concat()用法
调用格式:tf.concat( values, axis, name='concat')axis=0代表在第0个维度拼接,axis=1代表在第一个维度拼接。注意:tf.concat()拼接的张量只会改变一个维度,其他维度是保存不变的。比如两个shape为[2,3]的矩阵拼接,要么通过axis=0变成[4,3],要么通过axis=1变成[2,6]。改变的维度索引对应...原创 2019-02-25 15:48:29 · 326 阅读 · 0 评论 -
利用卷积神经网络模型预测mnist数据集的准确率
利用卷积神经网络模型预测mnist数据集的准确率本例程采用两个卷积层本例程中卷积神经网络模型的构建基本分为以下几步:输入数据,定义相关变量和参数初始化权值和偏置值定义卷积层和池化层函数构建第一个卷积层和第二个卷积层构建第一个全连接层和第二个全连接层采用交叉熵代价函数使用AdamOptimizer进行优化求测试准确率定义Session会话,开始训练模型在定义不同变量和函数...原创 2018-11-10 16:31:11 · 3855 阅读 · 2 评论 -
tensorboard可视化入门
本程序是基于mnist手写数据集,利用softmax函数来预测准确率,程序进行了详细注释。tensorboard是一个强大的可视化工具,可以看出构建的网络的结构。它支持GRAPHS,SCALARS, DISTRIBUTIONS, HISTOGRAMS等可视化。程序如下:import tensorflow as tffrom tensorflow.examples.tutorials.mni...原创 2018-11-04 20:43:19 · 394 阅读 · 2 评论 -
4-2利用二次代价函数,交叉熵函数提高mnist数据集准确率
理论知识部分在最下面的编程实践中要用到,可以直接翻到下面看编程实践。二次代价函数(quadratic cost)表达式:其中,C表示代价函数,x表示样本,y表示实际值,a表示输出值,n表示样本的总数。为简单起见 ,以一个样本为例进行说明,此时二次代价函数为:假如我们使用梯度下降法(Gradient descent)来调整权值参数的大小,权值w和偏置b的梯度推导 如下:其中...原创 2018-11-02 16:14:56 · 438 阅读 · 0 评论 -
利用softmax函数对mnist数据集简单分类
mnist数据集的特点每一张图片包含28**28个像素,我们把这一个数组展开成一个向量,长度是28*28=784。因此在 MNIST训练数据集中mnist.train.images 是一个形状为 [60000, 784] 的张量,第一个维度数字用 来索引图片,第二个维度数字用来索引每张图片中的像素点。图片里的某个像素的强度值介于0-1 之间。MNIST数据集的标签是介于0-9的数字,我们要把...原创 2018-11-02 13:02:41 · 3742 阅读 · 2 评论 -
3-1非线性回归(TensorFlow例程)
非线性回归的TensorFlow例程本例程编程思想:产生随机数x_data,构造y = x^2+噪声的分布,相当于已知输入x_data和输出y_data。利用输入x_data和输出y_data,利用梯度下降法,使样本值和预测值之间的损失函数(loss)最小,训练出相应的模型得到训练后的模型,然后再根据输入值x_data,得到预测后的输出值进行绘图本程序使用的激活函数为y = tan...原创 2018-11-01 20:57:39 · 477 阅读 · 2 评论 -
TensorFlow中fetch和feed_dict怎么用
在TensorFlow中,返回参数值有两种方法fetch可以直接传入一些tensor来传回运行结果,在下面的例程中,input2和input3作为张量输入得到add_1import tensorflow as tf# fetchinput1 = tf.constant(3.0)input2 = tf.constant(2.0)input3 = tf.constant(5.0)...原创 2018-11-01 18:34:25 · 623 阅读 · 1 评论 -
TensorFlow入门例程-mnist手写数据集
使用TensorFlow训练模型,大概分为以下几个步骤:下载数据集,导入mnist数据集定义变量并初始化,声明用到的占位符建立模型训练模型,首先需要定义一个指标来评估这个模型的好坏。在本教程中使用交叉熵来表征模型的性能好坏。使用一些优化算法(如梯度下降法)来最小化目标函数(交叉熵)评估模型,判断预测值和真实值之间的差值。得到预测的准确率具体的注释在程序中都能看到程序如下:im...原创 2018-11-01 16:08:40 · 932 阅读 · 1 评论 -
tensorflow高层API之Estimator
Estimators是TensorFlow的高层API,它大大简化了机器学习的编程。通过Estimator创建一个模型,我们不用再写一些很底层的代码(比如定义变量、定义网络层等),可以像scikit-learn和Keras那样,用几行代码轻松创建一个模型。Estimator封装了以下功能:模型训练;模型评价;模型预测;模型导出。Estimator模型由三部分构成:Input func...原创 2019-04-17 21:54:36 · 509 阅读 · 0 评论