rongye

2018年11月23日

摘要： #!/usr/bin/env pythonimport tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_datafrom tensorflow.contrib.tensorboard.plugins impo 阅读全文

posted @ 2018-11-23 20:04 rongye 阅读(447) 评论(0) 推荐(0)

tensorbord 运行网络

摘要： import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_data# In[2]:#载入数据集mnist = input_data.read_data_sets("MNIST_data",one_hot= 阅读全文

posted @ 2018-11-23 19:27 rongye 阅读(272) 评论(0) 推荐(0)

tensorboard --logdir=F:\python\untitled1\core\logs

摘要： #C:\Users\mxf\venv\Scriptsimport tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_data# In[2]:# 载入数据集mnist = input_data.read_data 阅读全文

posted @ 2018-11-23 19:08 rongye 阅读(486) 评论(0) 推荐(0)

mnist 识别率达98%以上，学习率lr越来越小，优化器AdamOptimizer

摘要： import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_data#载入数据集mnist = input_data.read_data_sets("MNIST_data",one_hot=True)#每个阅读全文

posted @ 2018-11-23 13:56 rongye 阅读(2381) 评论(0) 推荐(0)

优化器

摘要：阅读全文

posted @ 2018-11-23 13:43 rongye 阅读(198) 评论(0) 推荐(0)

2018年11月22日

dropout keep_prob参数

摘要： import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_data# 载入数据集mnist = input_data.read_data_sets("MNIST_data", one_hot=True)# 阅读全文

posted @ 2018-11-22 21:31 rongye 阅读(4629) 评论(0) 推荐(0)

mnist 简单模型

摘要： # coding: utf-8# In[2]:import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_data# In[3]:#载入数据集mnist = input_data.read_data_set 阅读全文

posted @ 2018-11-22 17:38 rongye 阅读(409) 评论(0) 推荐(0)

一元非线性回归

摘要： # coding: utf-8# In[1]:import tensorflow as tfimport numpy as npimport matplotlib.pyplot as plt# In[6]:#使用numpy生成200个随机点x_data = np.linspace(-0.5,0.5, 阅读全文

posted @ 2018-11-22 17:05 rongye 阅读(374) 评论(0) 推荐(0)

构造一个线性模型优化器

摘要： #示例import numpy as npimport tensorflow as tfx_data = np.random.rand(100)y_data = .1 * x_data +.2## 构造一个线性模型优化器#优化 $y = kx+b$#待优化的参数b = tf.Variable(0.) 阅读全文

posted @ 2018-11-22 16:11 rongye 阅读(263) 评论(0) 推荐(0)

tensorflow基础 fetch feed

摘要： import tensorflow as tfc1 = tf.constant([[3,3]])c2 = tf.constant([[3],[2]])product = tf.matmul(c1 , c2)with tf.Session() as sess: reslut = sess.run(pr 阅读全文

posted @ 2018-11-22 16:10 rongye 阅读(247) 评论(0) 推荐(0)

公告