莫烦tensorflow学习

tensorflow学习——GAN手写体生成

importtensorflowastfimportnumpyasnpimportpickleimportmatplotlib.pyplotaspltfromtensorflow.examples.tutorials.mnistimportinput_datamnist=input_data.read_data_sets('MNIST_data/')#img=mnist.train.images[
ei1994·2017-08-14 20:17

Tensorboard显示问题

学习“莫烦”TensorFlow视频教程的时候执行write=tf.train.SummaryWriter("/home/lucas/Downloads",sess.graph)Tensorboard的
espanol·2017-08-10 17:16

TensorFlow学习——用CNN训练机器识别信长和信喵

TensorFlow学习——用CNN训练机器识别信长和信喵最近想搞个图片分类器，实现自己加载本地的图片进行训练，然后保存模型，另起一个程序加载模型，然后读入几张图片进行预测。
KrseLee·2017-08-06 23:45

TensorFlow学习笔记（十三）TensorFLow 常用Optimizer 总结

这里主要是各种优化器，以及使用。因为大多数机器学习任务就是最小化损失，在损失定义的情况下，后面的工作就交给优化器啦。因为深度学习常见的是对于梯度的优化，也就是说，优化器最后其实就是各种对于梯度下降算法的优化。常用的optimizer类Ⅰ.classtf.train.Optimizer优化器（optimizers）类的基类。这个类定义了在训练模型的时候添加一个操作的API。你基本上不会直接使用这个类
Soyoger·2017-08-05 11:09

TensorFlow学习笔记（十二）TensorFLow tensorBoard 总结

Tensorboard：如何更直观的观察数据在神经网络中的变化，或是已经构建的神经网络的结构。上一篇文章说到，可以使用matplotlib第三方可视化，来进行一定程度上的可视化。然而Tensorflow也自带了可视化模块Tensorboard，并且能更直观的看见整个神经网络的结构。上面的结构图甚至可以展开，变成：如何在event文件中添加自己想要可视化的数据：a.定义summaryoperatio
Soyoger·2017-08-05 10:53

DeepLearning&Tensorflow学习笔记2__mnist数据集CNN

1.Introduction利用卷积神经网络CNN对Mnist数据集手写数字进行分类。2.SourcecodeVersion1:coding:utf-8importinput_dataimporttensorflowastflog_dir="cnn_mnist_logs"mnist=input_data.read_data_sets('MNIST_data',one_hot=True)sess=t
Rosun_·2017-08-04 21:15

Tensorflow学习之实现卷积神经网络（一）

CNN作为深度学习架构被提出的最初诉求，是降低对图像数据预处理的要求，以及避免复杂的特征工程。CNN训练的模型同样对缩放、平移、旋转等畸变具有不变性，有着很强的泛化性。CNN最大的特点在于卷积的权值共享结构，可以大幅减少神经网络的参数量，防止过拟合的同时又降低了神经网络模型的复杂度。卷积神经网络可以利用空间结构关系减少需要学习的参数量，从而提高反向传播算法的训练效率。每个卷积层会进行如下操作：（1
丶Minskyli·2017-08-03 13:29

tensorflow学习——tfreader格式，队列读取数据tf.train.shuffle_batch()

1、说明tf.train.shuffle_batch()这个函数的功能是：Createsbatchesbyrandomlyshufflingtensors.但需要注意的是它是一种图运算，要跑在sess.run()里ThisfunctionaddsthefollowingtothecurrentGraph:在运行这个函数时它会在当前图上创建如下的东西：Ashufflingqueueintowhich
ei1994·2017-08-02 13:50

Tensorflow学习笔记-基于LeNet5结构的ORL数据集人脸识别

参考文献:《基于卷积神经网络的人脸识别研究》李春利，柳振东，惠康华文章中基于经典的网络LeNet-5的结构，提出了一种适用于ORL数据集的CNN结构，在该数据集上取得了较高的识别率。本文是在参考此论文的基础上，使用tensorflow实现了文中相关理论。ORL训练集byCSDN训练集下载解压后可以看到，ORL训练集一共有40类，每一类有10张bmp类型的图片。首先我们需要做的就是将这些数据读入，制
RJzz·2017-08-01 18:12

[TensorFlow 学习笔记-08]tf.pad函数源码解析

[版权说明]TensorFlow学习笔记参考：李嘉璇著TensorFlow技术解析与实战黄文坚唐源著TensorFlow实战郑泽宇顾思宇著TensorFlow实战Google深度学习框架乐毅王斌著深度学习
沪a_________·2017-07-31 20:56

TensorFlow学习——CIFAR-10（二）代码实现

搜罗CIFAR-10资料时发现Kevin的视频教程系列与网上的资料略有出路网上关于CIFAR-10的程序大致相同，以下博客都是相同的程序代码及解释：http://www.cnblogs.com/lixiaoran/p/6740022.htmlhttp://shartoo.github.io/tensorflow-sourcecode-input/http://blog.csdn.net/dilig
ciky奇·2017-07-30 21:20

TensorFlow学习——CIFAR-10（python实现数据可视化）

CIFAR-10下载下来的数据都是二进制文件(1)CIFAR-10数据集介绍①CIFAR-10数据集包含60000个32*32的彩色图像，共有10类。有50000个训练图像和10000个测试图像。数据集分为5个训练块和1个测试块，每个块有10000个图像。测试块包含从每类随机选择的1000个图像。训练块以随机的顺序包含这些图像，但一些训练块可能比其它类包含更多的图像。训练块每类包含5000个图像。
ciky奇·2017-07-30 18:32

TensorFlow学习——CIFAR-10（一）

本文学习参考视频：http://v.youku.com/v_show/id_XMjY4MjYzNzUwNA==.html?spm=a2h0k.8191407.0.0&from=s1.8-1-1.2CIFAR-10官网：http://www.cs.toronto.edu/~kriz/cifar.htmlTensorFlow处理二进制数据格式流程：读取数据，数据不能一次读进内存中，需要生成相同大小的批
ciky奇·2017-07-30 12:17

TensorFlow学习笔记（八）add_layer操作

这里只是给神经网络定义一个函数，目的是添加一层网络importtensorflowastfdefadd_layer(inputs,in_size,out_size,activation_function=None):Weights=tf.Variable(tf.random_normal([in_size,out_size]))biases=tf.Variable(tf.zeros([1,out_
Soyoger·2017-07-28 13:47

TensorFlow学习笔记（四）自己动手求Weights和biases

这里自己构造一些数据，求Weights和biases源码：importtensorflowastfimportnumpyasnp#createdatax_data=np.random.rand(100).astype(np.float32)y_data=x_data*0.1+0.3###createtensorflowstructurestart###Weights=tf.Variable(tf.
Soyoger·2017-07-27 16:35

TensorFlow学习--tf.session.run()

函数参数run(fetches,feed_dict=None,options=None,run_metadata=None)tf.Session.run()执行fetches中的操作，计算fetches中的张量值。这个函数执行一步TensorFlow运算，通过运行必要的图块来执行每一个操作，并且计算每一个fetches中的张量的值，用相关的输入变量替换feed_dict中的值。fetches参数可
huahuazhu·2017-07-27 11:27

Tensorflow学习之实现多层感知机

深度学习之Tensorflow实现多层感知机为了拟合复杂函数需要的隐含节点的数目，基本上随着隐含层的数量增多呈指数下降趋势，也就是说层数越多，神经网络所需要的隐含节点可以越少。常常为了解决过拟合，可以利用Dropout的方法，即在训练时，将神经网络某一层的输出节点数据随机丢弃一部分。这种做法实质上等于创造出了很多新的随机样本，通过增大样本量、减少特征数量来防止过拟合。梯度弥散是另一个影响深层神经网
丶Minskyli·2017-07-27 00:59

tensorflow学习笔记之MNIST入门

翻译来自http://wiki.jikexueyuan.com/project/tensorflow-zh/tutorials/mnist_beginners.html，我只挑选了一些我认为比较重要的做了摘抄并加上了自己的理解，若需要完整的教学，直接看这个网站就好了。1、MNIST是一个入门级的计算机视觉数据集，它包含各种手写数字图片：它也包含每一张图片对应的标签，告诉我们这个是数字几。比如，上面
Emma1997·2017-07-25 16:00

tensorflow学习：使用tensorflow实现word embedding

今天学习使用tensorflow实现wordembedding，下面的例子来自于tensorflow的官方文档，实现wordembedding本身是比较复杂的，下文只用比较简单的方法实现，限于本人刚入门，水平有限，有些细节还没有彻底搞明白，还需要再花些时间研究，现把今天的研究成果记下供日后继续完善。文本参考：https://liusida.github.io/2016/11/14/study-em
qoopqpqp·2017-07-24 19:52

tensorflow学习基础篇（一）安装及入门资料

记录一下我的tensorflow学习之旅，希望以后能少走弯路一、前言前提最好是对python和神经网络有一定的熟悉1、记住tensorflow的官网，tensorflow的官网非常完善，从安装，开发教程
Lee_J_R·2017-07-24 10:47

TensorFlow训练模型报错——莫烦学习例子3

阅读更多运行莫烦TensorFlow教程报错，例子3https://morvanzhou.github.io/tutorials/machine-learning/tensorflow/3-2-create-NN
董瑞龙·2017-07-20 15:00

[TensorFlow 学习笔记-07]池化函数(Pooling Function)

[版权说明]TensorFlow学习笔记参考：李嘉璇著TensorFlow技术解析与实战黄文坚唐源著TensorFlow实战郑泽宇顾思宇著TensorFlow实战Google深度学习框架乐毅王斌著深度学习
沪a_________·2017-07-19 17:19

TensorFlow学习笔记（三）模型的基本步骤

在本教程中，我们将学到构建一个TensorFlow模型的基本步骤，并将通过这些步骤为MNIST构建一个深度卷积神经网络。安装在创建模型之前，我们会先加载MNIST数据集，然后启动一个TensorFlow的session。加载MNIST数据为了方便起见，我们已经准备了一个脚本来自动下载和导入MNIST数据集。它会自动创建一个'MNIST_data'的目录来存储数据。importinput_datam
Soyoger·2017-07-18 22:52

tensorflow学习——ProgressBar输出进度条

1、简单使用的进度条用法：输出进度条下面是主函数，要调用ProgressBar.pyfromProgressBarimport*#定义一个返回函数的函数#参数cost为任务耗时（秒）、epoch为迭代次数、name为任务名、_sub_task为子任务deftask(cost=0.5,epoch=3,name="",_sub_task=None):def_sub():bar=ProgressBar(
ei1994·2017-07-18 18:50

Tensorflow学习——ReLu

预训练的用处：规则化，防止过拟合；压缩数据，去除冗余；强化特征，减小误差；加快收敛速度。标准的sigmoid输出不具备稀疏性，需要用一些惩罚因子来训练出一大堆接近0的冗余数据来，从而产生稀疏数据，例如L1、L1/L2或Student-t作惩罚因子。因此需要进行无监督的预训练。而ReLU是线性修正，公式为：g(x)=max(0,x)，是purelin的折线版。它的作用是如果计算出的值小于0，就让它等
ciky奇·2017-07-17 22:50

tensorflow学习——numpy

numpy方法总结：参考文献：http://blog.csdn.net/u010156024/article/details/50419338**列表：列表操作包含以下函数:1、len(list)：列表元素个数2、max(list)：返回列表元素最大值3、min(list)：返回列表元素最小值4、list(seq)：将元组转换为列表列表操作包含以下方法:1、list.append(obj)：在列表
ei1994·2017-07-17 11:36

TensorFlow学习笔记（4）——深层神经网络

1深度学习与深层神经网络维基百科对深度学习的精确定义为“一类通过多层非线性变换对高复杂性数据建模算法的合集”。可见深度学习的两个重要特性：多层和非线性。1非线性模型的局限性一个线性模型中通过输入得到输出的函数被称为一个线性变换，线性模型的最大特点是任意线性模型的组合仍是线性模型。而前向传播算法完全符合其定义。因此只通过线性变换，任意层的全连接神经网络和单层神经网络的表达能力没有任何区别，且都是线性
Ericonaldo·2017-07-16 22:14

tensorflow学习笔记（3）——基础（三）——TF训练和变量

5tensorflow实现神经网络1TF游乐场及神经网络简介（TF游乐场，http://playground.tensorflow.org，略）使用神经网络解决分类问题的主要步骤：1.提取特征向量作为输入2.定义神经网络结构，得到输出3.通过训练数据调整参数取值，这是训练神经网络的过程4.使用神经网络进行预测2前向传播算法简介神经网络的结构就是不同神经元之间的连接结构。全连接的神经网络是指相邻两层
Ericonaldo·2017-07-15 18:47

TensorFlow学习（六）：形状相关操作

tf.shape(input,name=None,out_type=tf.int32)作用：返回一个1维tensor表示input的形状参数：input:输入的tensorname:可选，这个操作的名字out_type:(可选)输出的类型(int32orint64)，默认tf.int32例：'t'is[[[1,1,1],[2,2,2]],[[3,3,3],[4,4,4]]]shape(t)==>[
BURIBURI_ZAEMON·2017-07-15 13:14

tensorflow学习：placeholder用法

用户输入两个值，计算两个值的乘积importtensorflowastf#placeholder类似于c++的cin，要求用户运行时输入input1=tf.placeholder(tf.float32,[2,2])input2=tf.placeholder(tf.float32,[2,2])input3=tf.placeholder(tf.float32)input4=tf.placeholder
qoopqpqp·2017-07-14 10:41

tensorflow 进阶学习

TensorFlow-Examplestensorflow学习笔记三：实例数据下载与读取ConvolutionalNeuralNetworkCNNwithTensorFlowtutorialawesome-tensorflowimportnumpyasnpimporttensorflowastfcoefficients
jiandanjinxin·2017-07-07 17:52

TensorFlow学习笔记13----TensorFlow Serving

原文教程：tensorflow官方教程记录关键内容与学习感受。未完待续。。TensorFlowServing——这一部分最后再来看。先放着。1、介绍tensorflow服务器对于机器学习模型来说，是一个灵活的、高效能的服务系统，用来设计生产环境。tensorflow服务器保证相同的服务器架构和API，使得开发新的算法和实验变得容易。2、BasicServingTutorialbasictutori
夏洛的网·2017-07-06 16:38

资源

1.资源|数十种TensorFlow实现案例汇集：代码+笔记http://www.cnblogs.com/zhizhan/p/5971423.html2.Tensorflow学习笔记--RNN精要及代码实现
sunshine芝火·2017-07-05 12:42

TensorFlow学习---实现mnist手写数字识别

卷积神经网络CNN的理论部分直接看帖子：TensorFlow学习--卷积神经网络CNN卷积神经网络CNN的结构一般包含这几个层：输入层：用于数据的输入卷积层：使用卷积核进行特征提取和特征映射激活层：由于卷积也是一种线性运算
huahuazhu·2017-07-03 14:51

TensorFlow学习（二）：变量常量类型

一.概览还记的上节TensorFlow学习
BURIBURI_ZAEMON·2017-07-03 10:05

TensorFlow学习--卷积神经网络CNN

转载地址：深度学习之卷积神经网络CNN及tensorflow代码实现示例http://blog.csdn.net/cxmscb/article/details/71023576一、CNN的引入在人工的全连接神经网络中，每相邻两层之间的每个神经元之间都是有边相连的。当输入层的特征维度变得很高时，这时全连接网络需要训练的参数就会增大很多，计算速度就会变得很慢，例如一张黑白的28×28的手写数字图片，输
huahuazhu·2017-06-30 11:55

TensorFlow学习笔记1：入门

欢迎转载，请注明本文的链接地址：http://www.jeyzhang.com/tensorflow-learning-notes.htmlTensorFlowTensorFlow简介TensorFlow是Google在2015年11月份开源的人工智能系统（Github项目地址），是之前所开发的深度学习基础架构DistBelief的改进版本，该系统可以被用于语音识别、图片识别等多个领域。官网上对T
BURIBURI_ZAEMON·2017-06-29 20:06

TensorFlow学习---tf.nn.dropout防止过拟合

一、Dropout原理简述：tf.nn.dropout是TensorFlow里面为了防止或减轻过拟合而使用的函数，它一般用在全连接层。Dropout就是在不同的训练过程中随机扔掉一部分神经元。也就是让某个神经元的激活值以一定的概率p，让其停止工作，这次训练过程中不更新权值，也不参加神经网络的计算。但是它的权重得保留下来（只是暂时不更新而已），因为下次样本输入时它可能又得工作了。示意图如下：但在测试
huahuazhu·2017-06-23 16:17

tensorflow学习之路(5):利用tensorflow输出devices信息

利用tensorflow写相关项目时，尤其是写多GPU项目时，需要指定某个GPU，利用下面代码：withtf.device('/gpu:0'):....withtf.device('/gpu:1'):...withtf.device('/cpu:0'):...但是，往往不知道GUP或者CUP相关信息，那么，可以通过下面的代码查看对应的信息：fromtensorflow.python.clienti
UvFanFan·2017-06-20 11:43

TensorFlow学习笔记3：词向量

上篇博文讲了如何构建一个简单的CNN模型，并运行在MNIST数据集上。下面讲述一下如何在TensorFlow中生成词向量(WordEmbedding)，使用的模型来自Mikolovetal。本文的目录如下：解释使用连续词向量的原因；词向量模型的原理及训练过程；在TensorFlow中实现模型的简单版本，并给出优化的方法；TensorFlow实现了两个版本的模型：简单版和正式版。如果想看源码的，可以
飞翔的大马哈鱼·2017-06-19 20:07

DAY1 python小白学习NOTE

python的过程以后再来看看是从入门到放弃还是入门到上天了这将会很有趣学生党有过一点的C语言基础学习的目的非常想了解大数据处理以及深度学习自动化方面的编程之前也在网上看了一些关于python视频也挺好比如:莫烦
Guluwall·2017-06-17 13:11

Deep Q-Network 学习笔记（二）—— Q-Learning与神经网络结合使用（有代码实现）

参考资料：https://morvanzhou.github.io/非常感谢莫烦老师的教程http://mnemstudio.org/path-finding-q-learning-tutorial.htmhttp
gongxiaojiucom足球资讯网·2017-06-16 17:30

tensorflow学习之路(4):tf.shape(xxx) vs. xxx.get_shape()

tf.shape(xxx)和xxx.get_shape()比较相同点：都可以得到tensorxxx的尺寸不同点：tf.shape(xxx)中xxx数据的类型可以是tensor,list,array；而xxx.get_shape()中的xxx的数据类型必须是tensor,且返回的是一个tuple.可以通过xxx.get_shape().as_list()得到一个list。例如：x=tf.trunca
UvFanFan·2017-06-15 11:02

（三）tensorflow学习之旅——mnist的softmax分类示例

Tensorflow的学习文档有不少，但是最好找一个文档，从简单到复杂，逐步学习！我选择的是Tensorflow官方文档中文版（极客学院翻译）。Tensorflow可以用于机器学习和深度神经网络算法的开发，但是其用于机器学习时，要用tf的语句语法编写算法，算法没有封装起来，比较麻烦，无法体现tf的强大！机器学习方面的库有不少，API封装的也非常好，例如Scikit-learn。所以学习tensor
btbujhj·2017-06-12 20:12

tensorflow学习之路(2-2):tf.variable_scope(),tf.name_scope(),tf.get_variable()的认识（补充）

在tensorflow学习之路(2-1):tf.variable_scope(),tf.name_scope(),tf.get_variable()的认识这篇中，并没有对他们有一个很好的认识，仅仅介绍了他们的使用
IB_H20·2017-06-08 22:00

tensorflow学习之tensorboard可视化

tensorboard功能可视化的好帮手Event:展示训练过程中的统计数据（最值，均值等）变化情况Image:展示训练过程中记录的图像Audio:展示训练过程中记录的音频Histogram:展示训练过程中记录的数据的分布图原理在运行过程中，记录结构化的数据运行一个本地服务器，监听6006端口请求时，分析记录的数据，绘制1.Histogram:展示训练过程中记录的数据的分布图withtf.name
我拿buff·2017-06-07 15:33

tensorflow学习之tensorboard可视化

tensorboard功能可视化的好帮手Event:展示训练过程中的统计数据（最值，均值等）变化情况Image:展示训练过程中记录的图像Audio:展示训练过程中记录的音频Histogram:展示训练过程中记录的数据的分布图原理在运行过程中，记录结构化的数据运行一个本地服务器，监听6006端口请求时，分析记录的数据，绘制1.Histogram:展示训练过程中记录的数据的分布图withtf.name
gaohuazhao·2017-06-07 15:00

TensorFlow学习笔记11----Building Input Functions with tf.contrib.learn

原文教程：tensorflow官方教程记录关键内容与学习感受。未完待续。。BuildingInputFunctionswithtf.contrib.learn——这个教程向你介绍如何在tf.contrib.learn创建输入函数。你可以获得一个如果构造input_fn的综述来对你的模型预处理和喂进数据。接着，接着你可以实现一个input_fn，它可以在神经网络回归量提供训练、验证和预测数据，来预测
liuxiao214·2017-06-06 20:00

tensorflow学习之识别单张图片的实现（python手写数字）

假设我们已经安装好了tensorflow。一般在安装好tensorflow后，都会跑它的demo，而最常见的demo就是手写数字识别的demo,也就是mnist数据集。然而我们仅仅是跑了它的demo而已，可能很多人会有和我一样的想法，如果拿来一张数字图片，如何应用我们训练的网络模型来识别出来，下面我们就以mnist的demo来实现它。1.训练模型首先我们要训练好模型，并且把模型model.ckpt
我拿buff·2017-06-06 19:37

[5]深度学习和Keras----一个图像识别的简单Demo

本代码是参考自莫烦视频中的代码，但是加了一个改进，把其中的一个测试图片的二进制已经其对应的标签打印出来了。这样大家有一个更直观的印象。
朱清云的技术博客·2017-06-04 22:43
上一页 38 39 40 41 42 43 44 45 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他