导航

随笔分类 -  tensorflow

解析tensorflow的使用

tensorflow读取数据的方式

摘要：转载：https://blog.csdn.net/u014038273/article/details/77989221 TensorFlow程序读取数据一共有四种方法（一般针对图像）: 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 阅读全文

posted @ 2018-12-05 21:52 wzd321 阅读(177) 评论(0) 推荐(0)

tensorFlow 三种启动图的用法

摘要：tf.Session()，tf.InteractivesSession()，tf.train.Supervisor().managed_session() 用法的区别： tf.Session() 构造阶段完成后, 才能启动图. 启动图的第一步是创建一个 Session 对象, 如果无任何创建参数, 阅读全文

posted @ 2018-12-05 20:49 wzd321 阅读(710) 评论(0) 推荐(0)

tf.nn.embedding_lookup

摘要：参数说明： params: 表示完整的嵌入张量，或者除了第一维度之外具有相同形状的P个张量的列表，表示经分割的嵌入张量。 ids: 一个类型为int32或int64的Tensor，包含要在params中查找的id。每个元素将代表要在params中取的每个元素的第0维的逻辑index，这个逻辑inde 阅读全文

posted @ 2018-12-05 20:27 wzd321 阅读(602) 评论(0) 推荐(0)

tf.nn.dynamic_rnn

摘要：tf.nn.dynamic_rnn的作用： 对于单个 RNNCell ，使用call 函数进行运算时，只在序列时间上前进了一步 ，如使用 x1、 ho 得到此h1，通过 x2 、h1 得到 h2 等 。 如果序列长度为n，要调用n次call函数，比较麻烦。对此提供了一个tf.nn.dynamic_m 阅读全文

posted @ 2018-12-05 16:59 wzd321 阅读(4365) 评论(0) 推荐(0)

tf.while_loop

摘要：tf.while_loop 可以这样理解： 即loop参数先传入cond 判断条件是否成立，成立之后，把 loop参数传入body 执行操作， 然后返回 操作后的 loop 参数，即loop参数已被更新，再把更新后的参数传入cond, 依次循环，直到不满足条件。 我们来看这样一个场景如何在 tens 阅读全文

posted @ 2018-12-04 21:08 wzd321 阅读(485) 评论(0) 推荐(0)

tf.assign，tf.assign_add，tf.assign_sub

摘要：a = tf.Variable(0.0,dtype=tf.float32) with tf.Session() as sess: sess.run(tf.global_variables_initializer()) print(sess.run(a)) a = tf.assign(a,10) print(sess.run(a)) a = tf.assig... 阅读全文

posted @ 2018-12-04 20:45 wzd321 阅读(804) 评论(0) 推荐(0)

tf.nn.nce_loss

摘要：假设nce_loss之前的输入数据是K维的，一共有N个类 weight.shape = (N, K) bias.shape = (N) inputs.shape = (batch_size, K) labels.shape = (batch_size, num_true) num_true :实际的 阅读全文

posted @ 2018-12-04 20:26 wzd321 阅读(392) 评论(0) 推荐(0)

tf.nn.max_pool

摘要：tf.nn.max_pool(value, ksize, strides, padding, name=None) 参数是四个，和卷积很类似： 第一个参数value： 需要池化的输入，一般池化层接在卷积层后面，所以输入通常是feature map，依然是[batch, height, width, 阅读全文

posted @ 2018-12-04 20:20 wzd321 阅读(138) 评论(0) 推荐(0)

tf.nn.dropout

摘要：tf.nn.dropout(x, keep_prob, noise_shape=None, seed=None, name=None) 此函数是为了防止在训练中过拟合的操作，将训练输出按一定规则进行变换. 参数： x：输入 keep_prob：保留比例，取值 (0,1] 。每一个参数都将按这个比例随 阅读全文

posted @ 2018-12-04 20:12 wzd321 阅读(198) 评论(0) 推荐(0)

tf.nn.conv_2d

摘要：tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, name=None) 结果返回一个Tensor，这个输出，就是我们常说的feature map input： 指需要做卷积的输入图像，它要求是一个Tensor，具 阅读全文

posted @ 2018-12-04 20:08 wzd321 阅读(299) 评论(0) 推荐(0)

tensorflow模型的保存与载入：sklearn接口

该文被密码保护。

posted @ 2018-10-07 10:55 wzd321 阅读(6) 评论(0) 推荐(0)

tensorflow定义神经网络损失函数MSE

摘要：import numpy as np import tensorflow as tf y_pred = np.array([[1], [2], [3]],dtype=np.float32) y_real = np.array([[1], [1], [1]]) bias = np.array([1,2 阅读全文

posted @ 2018-10-06 23:53 wzd321 阅读(2072) 评论(0) 推荐(0)

tf.matmul函数和tf.multiply函数

摘要：tf.matmul(a,b,transpose_a=False,transpose_b=False, adjoint_a=False, adjoint_b=False, a_is_sparse=False, b_is_sparse=False, name=None) 参数： a,b的维数必须相同 i 阅读全文

posted @ 2018-10-06 23:13 wzd321 阅读(3497) 评论(0) 推荐(0)