Tensorflow学习

TensorFlow学习-基于CNN实现手写数字识别

一、网络结构二、模型训练三、模型评估四、源码一、网络结构使用2个卷积层，2个池化层,2个全连接层组成网络输入→ 卷积→ ReLU→maxpolling→ 卷积→ ReLU→maxpolling→FC→输出输入一个4维的tensor: [batch_size,image_width,image_height,channels],分别代表梯度下降处理的批量数据大小，图片宽度，图片高度和图片的chann
wusuopuBUPT·2017-05-10 12:00

TensorFlow学习-基于CNN实现手写数字识别

一、网络结构二、模型训练三、模型评估四、源码一、网络结构使用2个卷积层，2个池化层,2个全连接层组成网络输入→ 卷积→ ReLU→maxpolling→ 卷积→ ReLU→maxpolling→FC→输出输入一个4维的tensor: [batch_size,image_width,image_height,channels],分别代表梯度下降处理的批量数据大小，图片宽度，图片高度和图片的chann
wusuopuBUPT·2017-05-10 12:00

tensorflow--dropout

来源：tensorflow学习笔记（八）：dropouttensorflow:dropout我们都知道dropout对于防止过拟合效果不错dropout一般用在全连接的部分，卷积部分不会用到dropout
SUNFC·2017-05-09 23:36

tensorflow--模型数据保存与打开

来源：tensorflow学习笔记（五）：变量保存与导入如何使用tensorflow内置的参数导出和导入方法：基本用法如果你还在纠结如何保存tensorflow训练好的模型参数，用这个方法就对了TheSaverclassaddsopstosaveandrestorevariablestoandfromcheckpoints.Italsoprovidesconveniencemethodstorun
SUNFC·2017-05-09 23:37

Tensorflow学习： Placeholder占位符

本文注意：1.placeholder应用与feed_dcit是绑定的2.在r0.12版本中tensorflow的乘法是tensorflow.multiply(x,y)#-*-coding:utf-8-*-"""CreatedonWedMay311:05:302017E-mail:[email protected]@author:DidiLv"""importtensorflowastf
Eric2016_Lv·2017-05-03 11:26

Tensorflow学习：Session会话控制

本文内容：体会tensorflow.matmul(x,y)与numpy.dot(x,y)的内容withtf.Session()的自动关闭功能（即with语句功能）#-*-coding:utf-8-*-"""CreatedonWedMay309:18:432017E-mail:[email protected]@author:DidiLv"""importtensorflowastfim
Eric2016_Lv·2017-05-03 10:55

TensorFlow学习02-AutoEncoder和MLP

自编码器和多层感知机整个神经网络的流程：定义算法公式，也就是神经网络的forward时的计算定义loss，选定优化器，并指定优化器优化loss迭代地对数据进行训练在测试集或验证集上对准确率进行评测1.1自编码简介稀疏编码（SparseCoding）发现图像碎片可以由64种正交的边组合而成，音频也有基本结构线性组合。原本通过标注的数据，我们可以训练一个深层的神经网络，现在对于没有标注的数据，我们可以
阿面a·2017-04-09 11:02

TensorFLow学习（一）---原生Windows安装TensorFlow，进行MNIST机器学习

2015年11月9日，Google发布人工智能系统TensorFlow并宣布开源。【TensorFlow】是Google多年以来内部的机器学习系统。如今，Google正在将此系统成为开源系统，并将此系统的参数公布给业界工程师、学者和拥有大量编程能力的技术人员。近期开始尝试对TensorFlow进行学习，因为习惯了windows系统和anaconda、spyder的python开发环境，以下教程基于
shanesu·2017-04-09 09:00

TensorFLow学习（一）---原生Windows安装TensorFlow，进行MNIST机器学习

2015年11月9日，Google发布人工智能系统TensorFlow并宣布开源。【TensorFlow】是Google多年以来内部的机器学习系统。如今，Google正在将此系统成为开源系统，并将此系统的参数公布给业界工程师、学者和拥有大量编程能力的技术人员。近期开始尝试对TensorFlow进行学习，因为习惯了windows系统和anaconda、spyder的python开发环境，以下教程基于
qq_36080693·2017-04-09 09:00

TensorFlow学习系列（六）：变量更新和控制依赖

目录TensorFlow学习系列（一）：初识TensorFlowTensorFlow学习系列（二）：形状和动态维度TensorFlow学习系列（三）：保存/恢复和混合多个模型TensorFlow学习系列
coderpai·2017-04-02 15:24

TensorFlow学习系列（六）：变量更新和控制依赖

目录TensorFlow学习系列（一）：初识TensorFlowTensorFlow学习系列（二）：形状和动态维度TensorFlow学习系列（三）：保存/恢复和混合多个模型TensorFlow学习系列
coderpai·2017-04-02 15:24

TensorFlow学习系列（五）：如何使用队列和多线程优化输入管道

目录TensorFlow学习系列（一）：初识TensorFlowTensorFlow学习系列（二）：形状和动态维度TensorFlow学习系列（三）：保存/恢复和混合多个模型TensorFlow学习系列
coderpai·2017-04-02 15:36

TensorFlow学习系列（五）：如何使用队列和多线程优化输入管道

目录TensorFlow学习系列（一）：初识TensorFlowTensorFlow学习系列（二）：形状和动态维度TensorFlow学习系列（三）：保存/恢复和混合多个模型TensorFlow学习系列
coderpai·2017-04-02 15:36

TensorFlow学习系列（四）：利用神经网络实现泛逼近器（universal approximator）

目录TensorFlow学习系列（一）：初识TensorFlowTensorFlow学习系列（二）：形状和动态维度TensorFlow学习系列（三）：保存/恢复和混合多个模型TensorFlow学习系列
coderpai·2017-04-02 15:52

TensorFlow学习系列（四）：利用神经网络实现泛逼近器（universal approximator）

目录TensorFlow学习系列（一）：初识TensorFlowTensorFlow学习系列（二）：形状和动态维度TensorFlow学习系列（三）：保存/恢复和混合多个模型TensorFlow学习系列
coderpai·2017-04-02 15:52

TensorFlow学习系列（三）：保存/恢复和混合多个模型

目录TensorFlow学习系列（一）：初识TensorFlowTensorFlow学习系列（二）：形状和动态维度TensorFlow学习系列（三）：保存/恢复和混合多个模型TensorFlow学习系列
coderpai·2017-04-02 15:07

TensorFlow学习系列（三）：保存/恢复和混合多个模型

目录TensorFlow学习系列（一）：初识TensorFlowTensorFlow学习系列（二）：形状和动态维度TensorFlow学习系列（三）：保存/恢复和混合多个模型TensorFlow学习系列
coderpai·2017-04-02 15:07

TensorFlow学习系列（二）：形状和动态维度

目录TensorFlow学习系列（一）：初识TensorFlowTensorFlow学习系列（二）：形状和动态维度TensorFlow学习系列（三）：保存/恢复和混合多个模型TensorFlow学习系列
coderpai·2017-04-02 15:29

TensorFlow学习系列（二）：形状和动态维度

目录TensorFlow学习系列（一）：初识TensorFlowTensorFlow学习系列（二）：形状和动态维度TensorFlow学习系列（三）：保存/恢复和混合多个模型TensorFlow学习系列
coderpai·2017-04-02 15:29

TensorFlow学习系列（一）：初识TensorFlow

目录TensorFlow学习系列（一）：初识TensorFlowTensorFlow学习系列（二）：形状和动态维度TensorFlow学习系列（三）：保存/恢复和混合多个模型TensorFlow学习系列
coderpai·2017-04-02 15:50

TensorFlow学习系列（一）：初识TensorFlow

目录TensorFlow学习系列（一）：初识TensorFlowTensorFlow学习系列（二）：形状和动态维度TensorFlow学习系列（三）：保存/恢复和混合多个模型TensorFlow学习系列
coderpai·2017-04-02 15:50

tensorflow学习（4）：保存模型Saver.save()的参数命名机制以及restore并创建手写字体识别引擎

前言上一章中我们讲到如何训练一个网络，点击查看博客，这章我们来讲tensorflow在保存网络的时候是怎么给不同的参数命名的，以及怎么将保存的参数重新restore到重构的网络结构中的。最后利用重构的网络去预测一张包含数字（0-9）的图片（任意像素）。代码主要参考github：github地址正文一、如何查看保存到二进制文件中保存的参数tensorflow同样提供了以下方法来查看保存的参数，将保存
name_s_Jimmy·2017-03-26 22:50

tensorflow学习（3）：解读mnist_experts例子，训练保存模型并tensorboard可视化

前言官网的mnist例子讲解的很清楚了，要想深入理解这个网络结构到底干了什么，还是需要好好入门一下深度学习的基础知识。好好看看MichaelNielsen大神写的这本书：NeuralNetworksandDeepLearning，中文版下载地址：中文版pdf。本文讲解mnist_experts例子并结合tensorflow的常用操作（tensorboard可视化和Saver保存模型）来改写mnis
name_s_Jimmy·2017-03-26 18:24

TensorFlow学习（四）：优化器Optimizer

反正是要学一些API的，不如直接从例子里面学习怎么使用API，这样同时可以复习一下一些基本的机器学习知识。但是一开始开始和以前一样，先直接讲类和常用函数用法，然后举例子。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https://www.tensorflow.org/versions/r0.11/api_docs/python/
c2a2o2·2017-03-24 16:39

TensorFlow学习笔记（二）MNIST手写数字识别

MNIST是机器学习中的Helloworld，前期准备要了解Softmax(multinomiallogistic)regressionMNIST的是一个简单的计算机视觉数据集，它包含一系列手写数字图片，我们将训练一个模型识别图片中的数字我们本次目的不是训练一个精准模型，以达到稳定的高性能，而是学会如何使用Tensorflow解决简单的问题本次使用一个简单的模型SoftmaxRegression，
準提童子·2017-03-22 17:30

TensorFlow学习笔记（11）：数据操作指南

引言用TensorFlow做好一个机器学习项目，需要具备多种代码能力：工程开发能力：怎么读取数据、怎么设计与运行ComputationGraph、怎么保存与恢复变量、怎么保存统计结果、怎么共享变量、怎么分布式部署数据操作能力：怎么将原始数据一步步转化为模型需要的数据，中间可能涉及到Tensor转换、字符串处理、JSON处理等模型理论知识：线性回归，逻辑回归，softmaxregression，支持
丹追兵·2017-03-22 00:00

TensorFlow学习笔记（一）入门

一、TensorFlow是什么？是谷歌开源的机器学习实现框架，本文从Python语言来理解学习Tensorflow以及机器学习的知识。TensorFlow的API主要分两个层次，核心层和基于核心层的高级API。核心层面向机器学习的研究人员，以及对模型控制精细的相关人员。高级API使用和学习相对容易，简化重复性任务，使不同的用户之间保持一致性。高级API，如tf.contrib.learn可以帮助管
準提童子·2017-03-21 00:00

tensorflow学习（1）

写这个系列主要是为了学习一下tensorflow的分布式版本，在此之前，我仅有关于机器学习的基础知识和caffe的使用经验，语言主要是python，matlab，和c++。开始之前，我们需要了解分布式TensorFlow中ps、worker、in-graph、between-graph、synchronoustraining和asynchronoustraining的概念。首先ps是整个训练集群的
gdmmzmj·2017-03-20 13:34

TensorFlow学习笔记（8）--网络模型的保存和读取

之前的笔记里实现了softmax回归分类、简单的含有一个隐层的神经网络、卷积神经网络等等，但是这些代码在训练完成之后就直接退出了，并没有将训练得到的模型保存下来方便下次直接使用。为了让训练结果可以复用，需要将训练好的神经网络模型持久化，这就是这篇笔记里要写的东西。TensorFlow提供了一个非常简单的API，即tf.train.Saver类来保存和还原一个神经网络模型。下面代码给出了保存Tens
零尾·2017-03-16 11:53

TensorFlow学习笔记（7）--实现卷积神经网络（同(5),不同的程序风格）

importtensorflowastfimportnumpyasnpimportinput_datamnist=input_data.read_data_sets('data/',one_hot=True)print("MNISTready")n_input=784#28*28的灰度图，像素个数784n_output=10#是10分类问题#权重项weights={#conv1,参数[3,3,1,
零尾·2017-03-15 20:32

tensorflow学习笔记一：安装调试

因为要使用分布式深度学习平台，这里选择了tensorflow，我的电脑是ATI的显卡，所以这里记录的是安装cpu版本的tensorflow关于tensorflow的介绍，此处不再啰嗦。关于gpu的安装与配置，此处也不涉及。一、安装anacondatensorflow是基于python脚本语言的，因此需要安装python,当然还需要安装numpy、scipy、six、matplotlib等几十个扩展
xiaopihaierletian·2017-03-13 20:23

TensorFlow学习笔记（一）---MNIST

TensorFlow学习笔记（一）---MNIST 参考自：http://blog.csdn.net/nxcxl88/article/details/520741151、安装TensorFlow之前的博客已经介绍过
阳光下的Smiles·2017-03-12 21:43

tensorflow学习基础篇1——conv2d 函数说明

每次学习新知识总是走马观花，理解不深刻，从现在开始坚持将学习到的东西记录下来，一来方便以后回顾，二来加深理解--------------------------------------------------------------------------------------------------------------------------------------------------
似水流年321·2017-03-11 15:01

TensorFlow学习笔记(1)——conv2d函数的padding参数详解

conv2d函数原型：tf.nn.conv2d(input,filter,strides,padding,use_cudnn_on_gpu=None,name=None)参数说明：input：输入图像，shape为[batch,in_height,in_width,in_channels]，例如[1,28,28,1]filter：卷积核，shape为[filter_height,filter_wi
zchang81·2017-03-10 14:45

tensorflow学习笔记系列（三）：tensorflow入门与基本使用

版权所有，转载请注明出处其它相关文章：tensorflow学习笔记系列（一）：前言tensorflow学习笔记系列（二）：tensorflow简介与安装tensorflow学习笔记系列（四）：tensorflow
mac在路上·2017-03-09 15:00

TensorFlow学习笔记（6）--GPU报错（cuDNN版本该升级了）

在跑TensorFlow学习笔记（5）–基于MNIST数据集的卷积神经网络代码的时候，出现了GPU报错的情况，确切来说应该是cuDNN版本太低的问题，我之前装的是v5.0版的，所以现在是需要换个5.1的意思喽
零尾·2017-03-09 10:11

TensorFlow学习笔记（5）--实现卷积神经网络（MNIST数据集）

这里使用TensorFlow实现一个简单的卷积神经网络，使用的是MNIST数据集。网络结构为：数据输入层–卷积层1–池化层1–卷积层2–池化层2–全连接层1–全连接层2（输出层），这是一个简单但非常有代表性的卷积神经网络。importtensorflowastfimportnumpyasnpimportinput_datamnist=input_data.read_data_sets('data/
零尾·2017-03-08 17:55

TensorFlow学习笔记（4）--实现多层感知机（MNIST数据集）

前面使用TensorFlow实现一个完整的SoftmaxRegression，并在MNIST数据及上取得了约92%的正确率。现在建含一个隐层的神经网络模型（多层感知机）。importtensorflowastfimportnumpyasnpimportinput_datamnist=input_data.read_data_sets('data/',one_hot=True)n_hidden_1=
零尾·2017-03-08 11:30

tensorflow学习笔记系列（二）：tensorflow简介与安装

版权所有，转载请注明出处其它相关文章：tensorflow学习笔记系列（一）：前言tensorflow学习笔记系列（三）：tensorflow入门/基本使用tensorflow学习笔记系列（四）：tensorflow
mac在路上·2017-03-07 00:31

TensorFlow学习笔记（3）--实现Softmax逻辑回归识别手写数字（MNIST数据集）

基于MNIST数据集的逻辑回归模型做十分类任务没有隐含层的SoftmaxRegression只能直接从图像的像素点推断是哪个数字，而没有特征抽象的过程。多层神经网络依靠隐含层，则可以组合出高阶特征，比如横线、竖线、圆圈等，之后可以将这些高阶特征或者说组件再组合成数字，就能实现精准的匹配和分类。代码中需要import的input_data.py文件见这里importtensorflowastfimp
零尾·2017-03-06 22:24

【转】tensorflow学习使用路线

版权声明：本文为博主hjimce的原创文章，原文地址为http://blog.csdn.net/hjimce/article/details/51899683。一、学习路线个人感觉对于任何一个深度学习库，如mxnet、tensorflow、theano、caffe等，基本上我都采用同样的一个学习流程，大体流程如下：(1)训练阶段：数据打包-》网络构建、训练-》模型保存-》可视化查看损失函数、验证精
Callon_H·2017-03-04 20:00

TensorFlow学习笔记（二）:TensorFlow入门

TensorFlow学习笔记（二）:TensorFlow入门TensorFlow学习笔记二TensorFlow入门TensorTensorFlow教程importingTensorFlow计算图tfTrainAPI
PandaJiong·2017-02-28 20:38

TensorFlow学习笔记（一）：TensorFlow安装

TensorFlow学习笔记（一）：TensorFlow安装TensorFlow学习笔记一TensorFlow安装TensorFlow的安装第一个TensorFlow程序HelloWorld参考资料TensorFlow
PandaJiong·2017-02-28 00:00

TensorFlow学习笔记----TensorBoard_2

，使用全连接识别MNIST，需要命名空间更多，程序更灵活，但基本的函数换是那些。from__future__importabsolute_importfrom__future__importdivisionfrom__future__importprint_functionimporttensorflowastffromtensorflow.examples.tutorials.mnistimpo
bbzz2·2017-02-22 11:30

TensorFlow学习笔记之源码分析（1）----最近算法nearest_neighbor

importnumpyasnpimporttensorflowastf#ImportMINSTdataimportinput_datamnist=input_data.read_data_sets("/tmp/data/",one_hot=True)#input_data.pyDatasetdownloadingLoadingtheentiredatasetintonumpyarray:#这里主要
daydayup_668819·2017-02-21 15:59

tensorflow学习笔记（六）：LSTM 与 GRU

[10.26.2016更新][新增内容：今天写代码的时候，如果使用state_is_tuple=True,那么initial_state=lstm_cell.zero_state(batch_size,dtype=tf.float32)...withtf.Session()assess:tf.initialize_all_variables().run()state=initial_state.e
mishidemudong·2017-02-21 15:36

Tensorflow学习笔记--RNN精要及代码实现

1、有了dnn和cnn为什么还要有rnn？因为rnn能够有时间序列的结构，dnn和cnn的数据可以更换位置而不影响训练。但是对于rnn它有严格的先后顺序。这样的模型似乎对于语音识别，自然语言处理等应用场景更为符合。基础结构如下：图1:rnn结构注：1）图中的UWV三种权重参数是共享的。2）St＝f(U*Xt+W*St-1)此处没有写b，有的地方还需要加一个b。f函数一般为tanh3）Ot=soft
骆驼算法学习笔记·2017-02-17 00:33

TensorFlow学习笔记--CNN精要及实现

1、有了神经网络，为什么有CNN？如果全部使用神经网络，会导致权重过多，计算量增大，无法正常计算。CNN个人理解为特征的提取，在不损失太多信息量的情况下，减小权重数量，使得网络更容易迭代。其中最重要的2个武器就是局部连接与共享权重主要搞懂以下2张图的含义，就ok了：局部连接图1：局部连接全连接：如果我们使用全连接，原图像是1000*1000的图，隐层也设置成1000*1000层。所以全部的权重数为
骆驼算法学习笔记·2017-02-15 22:48

TensorFlow学习笔记（8）：基于MNIST数据的循环神经网络RNN

原文链接：https://segmentfault.com/a/1190000008346992前言本文输入数据是MNIST，全称是ModifiedNationalInstituteofStandardsandTechnology，是一组由这个机构搜集的手写数字扫描文件和每个文件对应标签的数据集，经过一定的修改使其适合机器学习算法读取。这个数据集可以从牛的不行的YannLeCun教授的网站获取。本
weixin_33889245·2017-02-14 12:15

TensorFlow学习2-图片特效

rm-r~/tensorflowpipinstall--ignore-installed--upgradehttps://storage.googleapis.com/tensorflow/mac/tensorflow-0.8.0rc0-py2-none-any.whlpipinstall--ignore-installed--upgradehttps://storage.googleapis.c
Gongjia·2017-02-14 09:39
上一页 24 25 26 27 28 29 30 31 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他