摘要：目标：介绍如何对图像数据进行预处理使训练得到的神经网络模型尽可能小地被无关因素所影响。但与此同时，复杂的预处理过程可能导致训练效率的下降。为了减少预处理对于训练速度的影响，TensorFlow 提供了多线程处理输入数据的解决方案。 TFRecord 输入数据格式 TensorFlow 提供了一种统一 阅读全文

摘要：在模型中有两个“全局”风格的Variable对象： 和 。它们本质上是全局的，因此在声明它们时需要与数据流图的其他节点区分开，并把它们放入自己的名称作用域。 的设置使得该Variable对象对象不会对模型造成影响（因为没有任何训练的步骤），但该设置明确指定了这些Variable对象只能通过手工设置。 阅读全文

摘要：参考资料: "深度学习笔记目录" "向机器智能的TensorFlow实践" "TensorFlow机器学习实战指南" "Nick的博客" TensorFlow 采用数据流图进行数值计算。节点代表计算图中的数学操作，计算图的边表示多维数组，即张量。 在 TensorFlow 官网上将其定义为 基于数据 阅读全文

摘要：TensorFlow 中维护的集合列表 在一个计算图中，可以通过集合(collection)来管理不同类别的资源。比如通过 tf.add_to_collection 函数可以将资源加入一个或多个集合中，然后通过 tf.get_collection 获取一个集合里面的所有资源(如张量，变量，或者运行T 阅读全文

摘要：```python batch_size = n 每次读取一小部分数据作为当前的训练数据来执行反向传播算法 x = tf.placeholder(tf.float32, shape=(batch_size, feature_num), name="x input") y_= tf.placehold 阅读全文

摘要：import tensorflow as tf TensorFlow提供了通过变量名称来创建或者获取一个变量的机制，通过这个机制，在不同的函数中可以直接通过变量的名字来使用变量， 而不需要将变量通过参数的形式到处传递，避免了参数太多而不好管理的情况出现。此机制通过 tf.variable_scope 阅读全文

摘要：1 计算模型 —— 计算图（Graph） 更多参考：数据流图 TensorFlow 中的所有计算都会被转化为计算图上的节点。TensorFlow 是一个通过计算图的形式来表述计算的编程系统。TensorFlow中的每个计算都是计算图的一个节点，而节点之间的边描述了计算之间的依赖关系。 import 阅读全文