TensorFlow笔记

莫烦python|Tensorflow笔记--什么是循环神经网络RNN

我们在想象现在有一组数据序列，Data0，Data1,Data2,Data3，预测Results0的时候基于Data0，同意在预测其他结果的时候也是基于其他的数字。每次使用的神经网络都是同一个NN。如果这些数据是有关联顺序的，那么就要遵从它们之间的顺序，否则就串位了。但是普通的神经网络结构并不能让NN了解这些数据之间的关联。那么我们如何让数据间的关联也被NN加以分析呢？想想人类是怎么样分析各种事物
slbyzdgz·2018-09-16 10:42

莫烦python|Tensorflow笔记--CNN卷积神经网络

卷积神经网络是计算机视觉的一个飞跃的提升。第一个是图片，如果是彩色的话，它会分RGB三种显示的颜色叫做红色绿色蓝色，用这种三原色就可以产生各种各样的颜色。所以RGB就是高度，所以每一个像素点都有RGB的参数，相当于像素点的厚度，它要做的事情就是把长和宽还有RGB的宽度压缩。具体怎么压缩呢，就是我把我的长和宽压小一点，把厚度增高一点，到最后就变成了classifier。CNN具体来说就是不断压缩长和
slbyzdgz·2018-09-15 10:46

莫烦python|Tensorflow笔记--什么是卷积神经网络CNN

卷积网络是近些年来逐渐兴起的人工神经网络结构，因为利用卷积神经网络在语音和图片方面识别能够给出更优秀的测试结果，这种技术也被广泛的传播和应用，卷积神经网络最常被应用的方面是计算机图片识别，不过因为它的不断创新，它也应用在了视频分析、自然语言处理、药物发现等等，近期最火的AlaphGo能看懂围棋同样也是应用到了这门技术。我们来说说卷积神经网络具体是如何运作的吧，举一个识别图片的例子，我们知道神经网络
slbyzdgz·2018-09-14 22:52

莫烦python|Tensorflow笔记--Classification 分类学习

Classification分类问题，定性输出是分类，或者说是离散变量预测。Regression回归问题，定量输出是回归，或者说是连续变量预测。from__future__importprint_function#强制使用python3版本，不管python使用的是什么版本importtensorflowastffromtensorflow.examples.tutorials.mnistimpo
slbyzdgz·2018-09-14 10:09

莫烦python|Tensorflow笔记--结果可视化、加速神经网络训练、优化器

结果可视化importtensorflowastfimportnumpyasnpimportmatplotlib.pyplotasplt#添加一个神经层，定义添加神经层的函数defadd_layer(inputs,in_size,out_size,activation_function=None):Weights=tf.Variable(tf.random_normal([in_size,out_
slbyzdgz·2018-09-13 10:20

莫烦python|Tensorflow笔记--tf8、tf9

Placeholder传入值placeholder是tensorflow的占位符，暂时存储变量，tensorflow要从外部传入数据，就要用到placeholder。要给节点输入数据时用placeholder，在TensorFlow中用placeholder来描述等待输入的节点，只需要指定类型即可，然后在执行节点的时候用一个字典来“喂”这些节点。相当于先把变量hold住，然后每次从外部传入data
slbyzdgz·2018-09-12 19:01

Tensorflow笔记——(七)卷积神经网络

全连接神经网络：每个神经元与前后相邻层的每一个神经元都有连接关系，输入是特征，输出为预测的结果。参数个数：∑（前层×后层+后层）一张分辨率仅仅是28x28的黑白图像，就有近40万个待优化的参数。现实生活中高分辨率的彩色图像，像素点更多，且为红绿蓝三通道信息。待优化的参数过多，容易导致模型过拟合。为避免这种现象，实际应用中一般不会将原始图片直接喂入全连接网络。在实际应用中，会先对原始图像进行特征提取
90後_小熊大·2018-09-02 12:00

Tensorflow笔记——(六)MNIST手写数字识别后续处理

一、断点续训关键处理：加入ckpt操作：ckpt=tf.train.get_checkpoint_state(MODEL_SAVE_PATH)ifckptandckpt.model_checkpoint_path:saver.restore(sess,ckpt.model_checkpoint_path)1、注解：1）tf.train.get_checkpoint_state(checkpoint
90後_小熊大·2018-09-02 11:50

Tensorflow笔记——(五)MNIST数据集输出手写数字识别准确率

mnist数据集：包含7万张黑底白字手写数字图片，其中55000张为训练集，5000张为验证集，10000张为测试集。每张图片大小为28*28像素，图片中纯黑色像素值为0，纯白色像素值为1。数据集的标签是长度为10的一维数组，数组中每个元素索引号表示对应数字出现的概率。在将mnist数据集作为输入喂入神经网络时，需先将数据集中每张图片变为长度784一维数组，将该数组作为神经网络输入特征喂入神经网络
90後_小熊大·2018-09-01 23:38

Tensorflow笔记四：神经网络的优化

一，基本概念（1）神经元模型：用数学公式表示为;f为激活函数，神经网络是以神经元为基本单元构成的。（2）激活函数：引入非线性激活因素，提高模型的表达力。常用的激活函数有relu(),sigmoid(),tanh()等。1，激活函数relu():在Tensorflow中，用tf.nn.relu()表示。2，激活函数sigmoid():在Tensorflow中，用tf.nn.sigmoid()表示。3
被选召的孩子·2018-09-01 20:52

Tensorflow笔记——(四)神经网络优化

神经元模型：用数学公式表示为：f(xw+b)，f()为激活函数。神经网络是以神经元为基本单元构成的。激活函数：引入非线性激活因素，提高模型的表达力。常用的激活函数有relu、sigmoid、tanh等。①激活函数relu:在Tensorflow中，用tf.nn.relu()表示relu()数学表达式relu()数学图形②激活函数sigmoid：在Tensorflow中，用tf.nn.sigmoid
90後_小熊大·2018-09-01 13:14

Tensorflow笔记三：神经网络的搭建

一，基本概念(1)基于Tensorflow的NN：用张量表示数据，用计算图搭建神经网络，用会话执行计算图，优化线上的权重（参数），得到模型。(2)张量:张量就是多维数组（列表）,用“阶”表示张量的维度。(3)数据类型:Tensorflow的数据类型有tf.float32,tf.int32等importtensorflowastf#导入模块a=tf.constant([1.0,2.0])#定义一个张
被选召的孩子·2018-08-30 16:40

Tensorflow笔记二：Python语法

一，列表[]c=[1,2,3,4,5]d=["张三"，"李四"]e=[1,2,3,"4","5",d]列表可以类比c中的数组，只是没有数据类型限制。(1)用列表名[索引号]索引列表中的元素d[0](2)用列表名[起：止]表示切片，从列表中切出相应的元素（前闭后开区间）c[0:2]切出[1,2]c[:]切出[1,2,3,4,5](3)用列表名[起：止：步长]带步长的切片，步长有方向c=[1,2,3,
被选召的孩子·2018-08-29 19:12

python 从入门到砸门 Tensorflow笔记 入门篇001

**python从入门到砸门Tensorflow学习记录001MNIST**所谓学问，本有学有问，但此文乃学渣笔记，故其中竟多是问题，少是经验教学，不明之处恳请大牛赐教，本人适做整理工作，愿为广大程序猿尽绵薄之力尔。MNIST数据集关于tensorflow的安装，此处不做说明。先引用一下Tensorflowimporttensorflowastf再引用input_data：第一次使用代码时：imp
宇宙第一爸·2018-08-11 21:49

python 从入门到砸门 Tensorflow笔记 入门篇001

**python从入门到砸门Tensorflow学习记录001MNIST**所谓学问，本有学有问，但此文乃学渣笔记，故其中竟多是问题，少是经验教学，不明之处恳请大牛赐教，本人适做整理工作，愿为广大程序猿尽绵薄之力尔。MNIST数据集关于tensorflow的安装，此处不做说明。先引用一下Tensorflowimporttensorflowastf再引用input_data：第一次使用代码时：imp
宇宙第一爸·2018-08-11 21:49

TensorFlow笔记

TensorFlow是什么？Tensor（张量）意味着N维数组，Flow（流）意味着基于数据流图的计算，TensorFlow为张量从流图的一端流动到另一端计算过程，是将复杂的数据结构传输至神经网络中进行分析和处理的系统。TensorFlow能干什么？图像识别，语音识别等什么是欠拟合，什么是过拟合？为什么要正则化？降低模型的复杂度以减少过拟合如何正则化？dropout：删除为零的神经元为什么要将数据
东都花神·2018-08-04 00:37

tensorflow笔记（曹健老师）：mnist数据集手写数字识别

分为三部分:前向传播，反向传播，数据测试。适应一下简单的结构化编程第一部分：前向传播（mnist_forward.py）#前向传播，两层神经网络importtensorflowastfimportnumpyasnpinput_data=784output_data=10layer_data=50defget_weight(shape,reg):w=tf.Variable(tf.truncated_
forever0_0love·2018-08-01 14:00

tensorflow笔记 ：常用函数说明

tensorflow笔记：常用函数说明tensorflow笔记系列：（一）tensorflow笔记：流程，概念和简单代码注释（二）tensorflow笔记：多层CNN代码分析（三）tensorflow笔记
duanyajun987·2018-07-31 10:19

中国大学MOOC-人工智能实践：Tensorflow笔记-课程笔记 Chapter8 卷积网络实践

本篇博客为学习中国大学MOOC-人工智能实践：Tensorflow笔记课程时的个人笔记记录。具体课程情况可以点击链接查看。
tuzixini·2018-07-31 10:43

Tensorflow笔记之【神经网络的优化】

神经元模型用数学公式表示为，其中f为激活函数，模型示意图如下激活函数引入非线性激活因素，提高模型的表达力，常用的激活函数有relu、sigmoid、tanh其它概念神经网络的复杂度：可用神经网络的层数和神经网络中待优化参数个数表示；神经网路的层数：一般不计输入层，层数=n个隐藏层+1个输出层；神经网路待优化的参数：神经网络中所有参数w的个数+所有参数b的个数；损失函数的优化用来表示预测值（y）与已
不理不理不理左卫门·2018-07-30 11:51

[ MOOC课程学习 ] 人工智能实践：Tensorflow笔记_CH8_1复现已有的卷积神经网络

课程链接相关资料：VGG论文阅读笔记VGG论文阅读笔记2015年发表于ICLR的《VERYDEEPCONVOLUTIONALNETWORKSFORLARGE-SCALEIMAGERECOGNITION》卷积配置为凸显深度对模型效果的影响,我们所有卷积采用相同配置。本章先介绍卷积网络的通用架构,再描述其评估中的具体细节,最后讨论我们的设计选择以及前人网络的比较。1.1架构(1)训练输入:固定尺寸22
一颗Lychee·2018-07-25 15:55

TensorFlow笔记——数据类型dtype

Tensorflow中，主要有以下几种数据类型（dtype），在旧版本中，不用加tf也能使用。有符号整型tf.int8：8位整数。tf.int16：16位整数。tf.int32：32位整数。tf.int64：64位整数。无符号整型tf.uint8：8位无符号整数。tf.uint16：16位无符号整数。浮点型tf.float16：16位浮点数。tf.float32：32位浮点数。tf.float64
Lavi_qq_2910138025·2018-07-24 21:44

TensorFlow笔记——tf.split()拆分tensor和tf.squeeze()

tf.split()参数说明：split(value,num_or_size_splits,axis=0,num=None,name='split')value：输入的tensornum_or_size_splits:如果是个整数n，就将输入的tensor分为n个子tensor。如果是个tensorT，就将输入的tensor分为len(T)个子tensor。axis：默认为0，计算value.sh
Lavi_qq_2910138025·2018-07-24 21:00

中国大学MOOC-人工智能实践：Tensorflow笔记-课程笔记 Chapter7 卷积网络基础

本篇博客为学习中国大学MOOC-人工智能实践：Tensorflow笔记课程时的个人笔记记录。具体课程情况可以点击链接查看。
tuzixini·2018-07-24 18:58

TensorFlow笔记——用expand_dim()来增加维度

TensorFlow中，想要维度增加一维，可以使用tf.expand_dims(input,dim,name=None)函数。当然，我们常用tf.reshape(input,shape=[])也可以达到相同效果，但是有些时候在构建图的过程中，placeholder没有被feed具体的值，这时就会包下面的错误：TypeError:Expectedbinaryorunicodestring,got1在
Lavi_qq_2910138025·2018-07-24 16:18

中国大学MOOC-人工智能实践：Tensorflow笔记-课程笔记 Chapter6

本篇博客为学习中国大学MOOC-人工智能实践：Tensorflow笔记课程时的个人笔记记录。具体课程情况可以点击链接查看。
tuzixini·2018-07-24 11:23

中国大学MOOC-人工智能实践：Tensorflow笔记-课程笔记 Chapter5

学习中国大学MOOC-人工智能实践：Tensorflow笔记课程时的个人笔记记录。具体课程情况可以点击链接查看。
tuzixini·2018-07-21 11:33

[ MOOC课程学习 ] 人工智能实践：Tensorflow笔记_CH7_2 Lenet-5代码讲解

Lenet-5代码讲解Lenet神经网络是YannLeCun等人在1998年提出的,该神经网络充分考虑图像的相关性。1.Lenet神经网络结构为:1.输入为32*32*1的图片大小,为单通道的输入;2.进行卷积,卷积核大小为5*5*1,个数为6,步长为1,非全零填充模式;3.将卷积结果通过非线性激活函数;4.进行池化,池化大小为2*2,步长为1,全零填充模式;5.进行卷积,卷积核大小为5*5*6,
一颗Lychee·2018-07-20 22:39

[ MOOC课程学习 ] 人工智能实践：Tensorflow笔记_CH7_1卷积神经网络

卷积神经网络参考资料：课程链接MLNotebook1.全连接NN:每个神经元与前后相邻层的每一个神经元都有连接关系,输入是特征,输出为预测的结果。2.待优化的参数过多,容易导致模型过拟合。3.在实际应用中,会先对原始图像进行特征提取,把提取到的特征喂给全连接网络,再让全连接网络计算出分类评估值。4.卷积是一种有效提取图片特征的方法。一般用一个正方形卷积核,遍历图片上的每一个像素点。图片与卷积核重合
一颗Lychee·2018-07-19 21:45

[ MOOC课程学习 ] 人工智能实践：Tensorflow笔记_CH6_2 制作数据集

制作数据集tfrecords文件：(1)tfrecords:是一种二进制文件,可先将图片和标签制作成该格式的文件。使用tfrecords进行数据读取,会提高内存利用率。(2)tf.train.Example:用来存储训练数据。训练数据的特征用键值对的形式表示。如:‘img_raw’:值‘label’:值值是Byteslist/FloatList/Int64List(3)SerializeToStr
一颗Lychee·2018-07-19 16:59

[ MOOC课程学习 ] 人工智能实践：Tensorflow笔记_CH6_1 输入手写数字输出识别结果

输入手写数字输出识别结果实现断点续训输入真实图片,输出预测结果实现断点续训，在mnist_backward.py里加入三行代码即可：withtf.Session()assess:sess.run(tf.global_variables_initializer())#实现断点续训----------------------------------------ckpt=tf.train.get_che
一颗Lychee·2018-07-19 10:34

[ MOOC课程学习 ] 人工智能实践：Tensorflow笔记_CH5_2/3 实现手写体 mnist 数据集的识别任务

实现手写体mnist数据集的识别任务,共分为三个模块文件,分别是:描述网络结构的前向传播过程文件(mnist_forward.py)描述网络参数优化方法的反向传播过程文件(mnist_backward.py)验证模型准确率的测试过程文件(mnist_test.py)。描述网络结构的前向传播过程文件(mnist_forward.py)#coding:utf-8importtensorflowastf
一颗Lychee·2018-07-19 09:06

tensorflow笔记及代码

在mooc上看到一个很好的tensorflow教程，因此想把笔记及代码链接记录下来，课程链接为：https://www.icourse163.org/learn/PKU-1002536002#/learn/content课程笔记文档链接：https://download.csdn.net/download/vmxhc1314/10548913每一章的代码链接：1.python的常用语法：https
枫^.^·2018-07-18 15:34

[ MOOC课程学习 ] 人工智能实践：Tensorflow笔记_CH4_5 模块化搭建神经网络

模块化搭建神经网络前向传播:由输入到输出,搭建完整的网络结构,描述前向传播的过程需要定义三个函数:(1)第一个函数forward()完成网络结构的设计,从输入到输出搭建完整的网络结构,实现前向传播过程。该函数中,参数x为输入,regularizer为正则化权重,返回值为预测或分类结果y。defforward(x,regularizer):w=b=y=returny(2)第二个函数get_weigh
一颗Lychee·2018-07-18 14:22

[ MOOC课程学习 ] 人工智能实践：Tensorflow笔记_CH4_4 正则化

正则化过拟合:神经网络模型在训练数据集上的准确率较高,在新的数据进行预测或分类时准确率较低,说明模型的泛化能力差。正则化:在损失函数中给每个参数w加上权重,引入模型复杂度指标,从而抑制模型噪声,减小过拟合。使用正则化后,损失函数loss变为两项之和:loss=loss(y与y_)+REGULARIZER*loss(w)其中,第一项是预测结果与标准答案之间的差距,如交叉熵、均方误差等;第二项是正则化
一颗Lychee·2018-07-18 11:46

利用PTB数据实现多层的LSTM网络

tensorflow笔记：多层LSTM代码分析标签（空格分隔）：tensorflow笔记tensorflow笔记系列：（一）tensorflow笔记：流程，概念和简单代码注释（二）tensorflow笔记
Roy-Better·2018-07-18 09:48

tensorflow笔记4：函数：tf.assign()、tf.assign_add()、tf.identity()、tf.control_dependencies()

tensorflow笔记4：函数：tf.assign()、tf.assign_add()、tf.identity()、tf.control_dependencies()转载自https://www.cnblogs.com
cyj68815923·2018-07-15 21:30

Tensorflow笔记__实现断点续训功能

内容源于曹建老师的tensorflow笔记课程源码链接:https://github.com/cj0012/AI-Practice-Tensorflow-Notes在反向传播算法中，训练代码如下：saver
Li_haiyu·2018-07-03 14:15

Tensorflow笔记__使用mnist数据集并测试自己的手写图片

内容源于曹建老师的tensorflow笔记课程源码链接:https://github.com/cj0012/AI-Practice-Tensorflow-Notes测试图片下载:https://github.com
Li_haiyu·2018-06-28 18:52

tensorflow笔记__学习率的设置

learning_rate:学习率设置大了震荡不收敛,设置小了,收敛速度太慢,时间成本高.下面我们使用tensorflow设置损失函数为y=(w+1)^2,初始w=5,更改学习率看一下loss值输出的变化情况,显然,我们知道最优的值w=-1code:#coding:utf-8"""设置损失函数为loss=(w+1)^2令w的初值为常数5,反向传播就是求最优的w,即求最小的loss对应的w值"""i
Li_haiyu·2018-06-27 21:09

TensorFlow笔记4：显卡使用

tensorflowtensorflow可以指定训练使用的显卡。如果一台电脑具有多个NVIDIA的GPUs，用户想要指定需要使用的GPU，那么在python中可以写如下语句。这个语句设置了当前程序可见的显卡。importosos.environ["CUDA_VISIBLE_DEVICES"]="0"然后使用tf.device来指定训练的gpuID。但是如果只指定ID，而没有屏蔽掉其他的显卡的话，T
_rookie_coder·2018-06-07 21:01

北京大学 人工智能实践：Tensorflow笔记

__bofqi.19https://www.icourse163.org/learn/PKU-1002536002第八讲导学欢迎来听Tensorflow笔记！
Frist2018·2018-05-26 09:03

中国大学MOOC-人工智能实践：Tensorflow笔记-课程笔记 Chapter4

本篇博客为学习中国大学MOOC-人工智能实践：Tensorflow笔记课程时的个人笔记记录。具体课程情况可以点击链接查看。
tuzixini·2018-05-12 09:02

TensorFlow笔记-制作自己的训练集，利用卷积神经网络模型进行训练、测试（完整流程）

在学习TensorFlow过程中，发现训练数据集（mnist）大都是直接从网上下载，直接加载到模型上。而如果我们大多时候需要用自己的图片进行训练、测试，为了解决这个问题，在网上看了很多教程，大概明白了制作自己训练数据集的过程。为此，以MNIST数字识别为例，总结一下训练神经网络模型的大致流程。主要包括以下几个部分：一.制作自己的数据集通常情况下，我们需要利用自己的图片进行训练，一种方式是把训练数据
陌上羽·2018-05-11 18:23

深度学习：TensorFlow笔记——制作Cifar数据集

学习完Mnist手写体识别后，想用Cifar数据集制作成方便深度神经网络训练的二进制数据集文件格式。Cifar数据集包含airplane、automobile、bird、cat、deer、dog、frog、horse、ship、truck10种分类，共6万张图片，其中训练集5万张，测试集1万张。一般情况下，训练的数据都是图片，如果直接读取图片进行训练，程序的执行效率不高。采用tfrecords可以
北斗星辰001·2018-05-10 19:20

人工智能实践：TensorFlow笔记学习（八）—— 卷积神经网络实践

大纲7.1复现已有的卷积神经网络7.2用vgg16实现图片识别目标掌握复现已有网络，用vgg16实现图片识别7.1复现已有的卷积神经网络VGGNet是Karensimonyan等人在2015年的ICLR会议中，公开的神经网络模型。这个模型在2014年的ImageNet比赛中获得了定位第一名和分类第二名的成绩。论文为VeryDeepConvolutionalNetworksforLarge-Scal
skytoby·2018-05-06 17:56

人工智能实践：TensorFlow笔记学习（七）—— 卷积神经网络基础

大纲7.1卷积神经网络7.2lenet5代码讲解目标掌握卷积神经网络的搭建方法7.1卷积神经网络全连接NN：每个神经元与前后相邻层的每一个神经元都有连接关系，输入是特征，输出为预测的结果。参数个数：（前层X后层+后层）一张分辨率仅仅是28x28的黑白图像，就有近40万个待优化的参数。现实生活中高分辨率的彩色图像，像素点更多，且为红绿蓝三通道信息。待优化的参数过多，容易导致模型过拟合。为避免这种现象
skytoby·2018-05-03 20:57

人工智能实践：TensorFlow笔记学习（六）—— 全连接网络实践

输入手写数字输出识别结果大纲6.1输入手写数字图片输出识别结果6.2制作数据集目标1、实现断点续训2、输入真实图片，输出预测结果3、制作数据集，实现特定应用6.1输入手写数字图片输出识别结果一、断点续训关键处理：加入ckpt操作：ckpt=tf.train.get_checkpoint_state(MODEL_SAVE_PATH)ifckptandckpt.model_checkpoint_pat
skytoby·2018-04-25 20:43

Tensorflow笔记系列 基础用法

tensorflow笔记系列：（一）tensorflow笔记：流程，概念和简单代码注释（二）tensorflow笔记：多层CNN代码分析（三）tenso
Vico_Men·2018-04-25 16:37

人工智能实践：TensorFlow笔记学习（五）—— 全连接网络基础

MNIST数据集输出手写数字识别准确率大纲5.1MNIST数据集5.2模块化搭建神经网络5.3手写数字识别准确率输出目标利用MNIST数据集巩固模块化搭建神经网路的八股，实践前向传播和反向传播过程，编写测试程序输出手写数字识别准确率。5.1MNIST数据集MNIST数据集：包含7万张黑底白字手写数字图片，其中55000张为训练集，5000张为验证集，10000张为测试集。每张图片大小为28*28像
skytoby·2018-04-22 19:31
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他