随笔分类 -  TensorFlow

Tensorflow 分类函数（交叉熵的计算）
摘要：命名空间:tf.nn |函数|作用|说明| | | | | | "sigmoid_cross_entropy_with_logits" |计算 给定 logits 的 "S函数" 交叉熵。|测量每个 类别独立且不相互排斥 的离散分类任务中的概率。(可以执行多标签分类，其中图片可以同时包含大象和狗。) 阅读全文
posted @ 2018-01-05 10:37 guqiangjs 阅读(12991) 评论(0) 推荐(1)
Tensorflow 二分法测试
摘要：测试两个浮点型数据相加是否大于1 以下代码只是使用了单层网络进行计算，并未使用 偏移量；随机梯度下降等更深层次的概念。 如果训练集数据大小过大时，需要使用随机梯度下降的方式来加快训练时间。 学习率如果设置过小，会显著增加训练时间；如果过大，又会无法找到全局最优解。 输出内容如下： "tf.nn.si 阅读全文
posted @ 2018-01-01 15:39 guqiangjs 阅读(484) 评论(0) 推荐(0)
tf.train.ExponentialMovingAverage
摘要：这个函数用于更新参数，就是采用滑动平均的方法更新参数。这个函数初始化需要提供一个衰减速率（decay），用于控制模型的更新速度。这个函数还会维护一个影子变量（也就是更新参数后的参数值），这个影子变量的初始值就是这个变量的初始值，影子变量值的更新方式如下： shadow_variable是影子变量，v 阅读全文
posted @ 2017-11-09 10:55 guqiangjs 阅读(909) 评论(0) 推荐(0)
tf.contrib.layers.l2_regularizer
摘要：规则化可以帮助防止过度配合，提高模型的适用性。（让模型无法完美匹配所有的训练项。）（使用规则来使用尽量少的变量去拟合数据） 规则化就是说给需要训练的目标函数加上一些规则（限制），让他们不要自我膨胀。 损失通常被添加到 。 "机器学习的 L1 和 L2 规范" "其他规则化函数 Regularizer 阅读全文
posted @ 2017-11-09 09:34 guqiangjs 阅读(19134) 评论(0) 推荐(0)
tf.placeholder
摘要：占位符 "tf.placeholder" 不必指定初始值 ，可在运行时，通过 ，`Tensor.eval() Operation.run() feed_dict` 参数指定； 阅读全文
posted @ 2017-11-09 09:25 guqiangjs 阅读(282) 评论(0) 推荐(0)
tf.nn.relu
摘要：激活函数 这个函数的作用是计算激活函数relu，即max(features, 0) "tf.nn.relu" "其他激活函数" 阅读全文
posted @ 2017-11-09 07:25 guqiangjs 阅读(585) 评论(0) 推荐(0)
tf.matmul
摘要：矩阵乘法 "tf.matmul" "矩阵乘法 维基百科" "理解矩阵乘法 阮一峰的网络日志" 当A是个 4×2 矩阵和B是个 2×3 矩阵时。分别来自两个矩阵的元素都依箭头方向而两两配对，把每一对中的两个元素相乘，再把这些乘积加总起来，最后得到的值即为箭头相交位置的值。 矩阵相乘最重要的方法是一般矩 阅读全文
posted @ 2017-11-09 07:18 guqiangjs 阅读(1800) 评论(0) 推荐(0)
tf.truncated_normal_initializer
摘要：从截断的正态分布中输出随机值。 生成的值服从具有指定平均值和标准偏差的正态分布，如果生成的值大于平均值2个标准偏差的值则丢弃重新选择。 ARGS： mean：一个python标量或一个标量张量。要生成的随机值的均值。 stddev：一个python标量或一个标量张量。要生成的随机值的标准偏差。 se 阅读全文
posted @ 2017-11-09 06:54 guqiangjs 阅读(14924) 评论(0) 推荐(1)
tf.add_to_collection方法
摘要：输出内容： "tf.get_collection" 返回 当前计算图 中手动添加的张量集合。 阅读全文
posted @ 2017-11-08 17:43 guqiangjs 阅读(3489) 评论(0) 推荐(0)
tf.trainable_variables方法
摘要："tf.trainable_variables" 返回所有 当前计算图中 在获取变量时未标记 的变量集合 从1.4版本开始可以支持传入scope，来获取指定scope中的变量集合 阅读全文
posted @ 2017-11-08 17:15 guqiangjs 阅读(9873) 评论(0) 推荐(0)