zkq_1986的博客

import tensorflow as tftensor_a = tf.Variable([[1,2,3],[4,5,6],[7,8,9]])tensor_b = tf.Variable([[0],[1],[2]],dtype=tf.int32)tensor_c = tf.Variable([[0],[0],[0]],dtype=tf.int32)with tf.Session() a...

fit() 会将数据全部装到内存，不适合大数据量。fit_generator() 只是转载部分数据，适合大数据量。

python代码中设置使用的GPUimport osos.environ["CUDA_VISIBLE_DEVICES"] = "1" #指定第1个gpu， 值从0开始

在计算loss的时候，最常见的一句话就是tf.nn.softmax_cross_entropy_with_logits，那么它到底是怎么做的呢？首先明确一点，loss是代价值，也就是我们要最小化的值tf.nn.softmax_cross_entropy_with_logits(logits, labels, name=None)除去name参数用以指定该操作的name，与方法有关的一共两...

L2正则化是常用的避免模型过拟合的方法。通过在代价函数中增加了||W||^2 / 2，所以，在反向传播求导的时候需要做适当修改。

要在会话中生成不同的序列,请不要设置图层级别seed或操作级别seed：a = tf.random_uniform([1])b = tf.random_normal([1])print("Session 1")with tf.Session() as sess1: print(sess1.run(a)) # generates 'A1' print(sess1.run(a)...

BasicLSTMCell 是最简单的LSTMCell，源码位于：/tensorflow/contrib/rnn/python/ops/core_rnn_cell_impl.py。BasicLSTMCell 继承了RNNCell，源码位于：/tensorflow/python/ops/rnn_cell_impl.pydef __init__(self, num_units, forget...

在tensorflow中，我们可以使用 tf.device() 指定模型运行的具体设备，可以指定运行在GPU还是CUP上，以及哪块GPU上。设置使用GPU使用 tf.device('/gpu:1') 指定Session在第二块GPU上运行：import tensorflow as tf with tf.device('/gpu:1'):    v1 = tf.constant([...

Tensorflow生成一个服从正态分布的变量：import tensorflow as tfa = tf.get_variable('a',shape=[2,3],initializer=tf.random_normal_initializer(stddev=1))with tf.Session() as sess: tf.initialize_all_variables()...

代码例子：import tensorflow as tfclass TCNNConfig(object): # class TCNNConfig(filename): """CNN配置参数""" embedding_dim = 8 # 词向量维度 seq_length = 3 # 序列长度 num_classes = 2 # 类别数 ...

tf.name_scope()和tf.variable_scope()是两个作用域，一般与两个创建、调用变量的函数tf.variable() 和tf.get_variable()搭配使用。它们搭配在一起的两个常见用途：1)变量共享，2)tensorboard画流程图时为了可视化封装变量。tf.name_scope（名字范围）下可以有相同的变量名，但仅限tf.Variable的变量tf.va...

1.矩阵操作1.1矩阵生成这部分主要将如何生成矩阵，包括全０矩阵，全１矩阵，随机数矩阵，常数矩阵等tf.ones | tf.zerostf.ones(shape,type=tf.float32,name=None)tf.zeros([2, 3], int32)用法类似，都是产生尺寸为shape的张量(tensor)sess = tf.InteractiveSession()...

tf.nn.embedding_lookup函数的用法主要是选取一个张量里面索引对应的元素。tf.nn.embedding_lookup（tensor, id）:tensor就是输入张量，id就是张量对应的索引，其他的参数不介绍。例如：import tensorflow as tf;import numpy as np; c = np.random.random([10,1])b...

转载自：https://blog.csdn.net/gaofeipaopaotang/article/details/80540630本章讲解TensorFlow的源码结构。下面的内容我们一TF1.0的代码为例，介绍TF的源码结构，如果是其他版本，则结构可能会略有差异。根目录结构首先整体看一下整体的目录结构： 图1：TF根目录然后了解一下每个目录的功能：目录功能tensorflow/cC API代...

前言: 根据我本人学习 TensorFlow 实现 LSTM 的经历，发现网上虽然也有不少教程，其中很多都是根据官方给出的例子，用多层 LSTM 来实现 PTBModel 语言模型，比如： tensorflow笔记：多层LSTM代码分析 但是感觉这些例子还是太复杂了，所以这里写了个比较简单的版本，虽然不优雅，但是还是比较容易理解。如果你想了解 LSTM 的原理的话(前提是你已经理解

概述最新上传的mcnn中有完整的数据读写示例，可以参考。关于Tensorflow读取数据，官网给出了三种方法：供给数据(Feeding)： 在TensorFlow程序运行的每一步， 让Python代码来供给数据。从文件读取数据： 在TensorFlow图的起始， 让一个输入管线从文件中读取数据。预加载数据： 在TensorFlow图中定义常量或变量来保存所有数据(仅适用于数