摘要： 图片视图 [b, 28, 28] # 保存b张图片，28行，28列（保存数据一般行优先），图片的数据没有被破坏 [b, 28*28] # 保存b张图片，不考虑图片的行和列，只保存图片的数据，不关注图片数据的细节 [b, 2, 14*28] # 保存b张图片，把图片分为上下两个部分，两个部分具体多少行是不清楚的 [b, 28, 28, 1] # 保存b张图片，28行，28列，1个通道 First R 阅读全文

摘要： import tensorflow as tf a = tf.ones([1, 5, 5, 3]) a.shape a[0][0] numpy : 索引 a = tf.random.normal([4, 28, 28, 3]) a.shape a[1].shape a[1, 2].shape a[1][2][3].shape a[1, 2, 3, 2].shape 一维切片 a = tf.rang 阅读全文

摘要： import numpy as np import tensorflow as tf tf.convert_to_tensor(np.ones([2, 3])) tf.convert_to_tensor(np.zeros([2, 3])) list tf.convert_to_tensor([1, 2]) tf.convert_to_tensor([1, 2.]) tf.convert_to_te 阅读全文

摘要： list: [1,1.2,'hello'] ，存储图片占用内存非常大 np.array，存成一个静态数组，但是numpy在深度学习之前就出现了，所以不适合深度学习 tf.Tensor，为了弥补numpy的缺点，更多的是为了深度学习而生 tensor数据存储类型 scalar：标量，1.1 vector：向量，[1.1],[1.1,2.2,...] matrix: 矩阵，[[1.1,2.2],... 阅读全文

摘要： NVIDIA的GF8级别以上的显卡才能支持physx物理加速（即GPU加速），ATI的显卡不支持。 打开：设备管理器，点击：显示适配器 阅读全文

摘要： import os import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data from tensorflow.contrib.tensorboard.plugins import projector INPUT_NODE = 784 OUTPUT_NODE = 10 LAYER1_NODE 阅读全文

摘要： import os import numpy as np import tensorflow as tf import matplotlib.pyplot as plt from tensorflow.examples.tutorials.mnist import input_data %matplotlib inline LOG_DIR = 'F:\\temp\\log\\' SPRITE_FI 阅读全文

摘要： import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data # 1. 生成变量监控信息并定义生成监控信息日志的操作。 SUMMARY_DIR = "F:\\temp\\log" BATCH_SIZE = 100 TRAIN_STEPS = 3000 def variable_summaries 阅读全文

摘要： import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data INPUT_NODE = 784 OUTPUT_NODE = 10 LAYER1_NODE = 500 def get_weight_variable(shape, regularizer): weights = tf.get_var 阅读全文

摘要： # 1. 不同的命名空间。 import tensorflow as tf with tf.variable_scope("foo"): a = tf.get_variable("bar", [1]) print(a.name) with tf.variable_scope("bar"): b = tf.get_variable("bar", [1]) pri... 阅读全文