Tensorflow学习第7页

tensorflow学习笔记--提取张量的某一维数据

2019.10.10提取张量的某一维一、要点总结最好使用tf.slice函数，可以保持提取出的切片的维度，如果采用类似list的方法，维度会降低，具体可看代码二、实验代码场景：假设我有一个3x3的张量，我希望提取出其第一列，然后每一列都减去第一列的值importtensorflowastfimportnumpyasnpa=np.array(range(9))x=tf.constant(a)x=tf

傻不缺·2020-09-15 20:20

TensorFlow学习--实现原理

TensorFlow学习--实现原理单机和分布式版TensorFlow中的client通过Session的接口与master及多个worker相连。

yangpc_615·2020-09-15 11:19

tensorflow初学遇到的报错积累

@Tensorflow学习中遇到的错误汇总运行环境win7_64python3.6jupyternotebooktensorflow1.2.0TypeErrorTraceback(mostrecentcalllast

MongoVIP·2020-09-15 09:08

Tensorflow学习：乘法demo

ShellCollector·2020-09-15 05:00

tensorflow学习笔记

title:tensorflow学习笔记date:2017/11/2012:04:12categories:深度学习tags:目标检测深度学习神经网络matplotlib.pyplot的使用：importmatplotlibmatplotlib.use

在河之洲·2020-09-15 01:42

tensorflow学习之BasicLSTMCell详解

tf.contrib.rnn.BasicLSTMCell继承自：LayerRNNCellAliases:Classtf.contrib.rnn.BasicLSTMCellClasstf.nn.rnn_cell.BasicLSTMCell基础的LSTM循环网络单元，基于http://arxiv.org/abs/1409.2329.实现。将forget_bias（默认值：1）添加到忘记门的偏差(bia

大雄没有叮当猫·2020-09-15 01:10

tensorflow学习笔记(十七):name&variable scope

水平有限,如有错误,请指正!在tensorflow中,有两个scope,一个是name_scope一个是variable_scope,这两个scope到底有什么区别呢?先看第一个程序:withtf.name_scope("hello")asname_scope:arr1=tf.get_variable("arr1",shape=[2,10],dtype=tf.float32)printname_s

ke1th·2020-09-14 20:31

TensorFlow学习笔记（十四）TensorFLow 用mnist数据做classification

之前的例子，给的都是tf来做regression，也就是回归问题，现在用tf来做一个classification的处理，也就是分类问题。这里用的数据集是mnist数据。代码："""Pleasenote,thiscodeisonlyforpython3+.Ifyouareusingpython2+,pleasemodifythecodeaccordingly."""importtensorflowa

Soyoger·2020-09-14 19:33

【TensorFlow学习一】基于Anaconda虚拟环境源码编译安装TensorFlow-gpu

SysteminformationOSPlatformandDistribution(e.g.,LinuxUbuntu16.04):Ubuntu18.04TensorFlowinstalledfrom(sourceorbinary):sourceTensorFlowversion:1.13.0Pythonversion:3.6.9Bazelversion(ifcompilingfromsource

IEEE Fellow·2020-09-14 17:46

Tensorflow学习笔记——Summary用法

最近在研究tensorflow自带的例程speech_command,顺便学习tensorflow的一些基本用法。其中tensorboard作为一款可视化神器，可以说是学习tensorflow时模型训练以及参数可视化的法宝。而在训练过程中，主要用到了tf.summary()的各类方法，能够保存训练过程以及参数分布图并在tensorboard显示。tf.summary有诸多函数：1、tf.summa

于小勇·2020-09-14 16:05

TensorFlow学习笔记day1

TensorFlow学习笔记day1（1）tensorflow实质张量tensor+计算图grahpsimporttensorflowastf#tensorflow实质张量tensor+计算图grahps

拼搏的小白·2020-09-14 14:44

Tensorflow学习笔记2：About Session, Graph, Operation and Tensor

简介上一篇笔记：Tensorflow学习笔记1：GetStarted我们谈到Tensorflow是基于图（Graph）的计算系统。

weixin_33805557·2020-09-14 08:15

######（较深的应用）TensorFlow学习（三）：Graph和Session ######（较深的应用）

之前讲完变量常量等等基本量的操作，意味着最基本的东西都有了，然后接下来很重要的就是那些量和操作怎么组成更大的集合，怎么运行这个集合。这些就是计算图谱graph和Session的作用了。IV.Graphhttps://www.tensorflow.org/versions/r0.11/api_docs/python/framework.html#Graph一个TensorFlow的运算，被表示为一个

mishidemudong·2020-09-14 07:07

Tensorflow Invalid JPEG data or crop window, data size 之一

在使用Tensorflow学习图片的时候会遇到：《OpenCV将JPEG中的progressive类型转换成baseline类型》Traceback(mostrecentcalllast):File"/

王小鹏鹏·2020-09-14 06:23

【tensorflow学习之路】如何使用gpu进行运算

准备阶段：Anaconda3（官网下载）python3.x（Anaconda3自带）GPU（最低NVDIAGTX650）tensorflow-gpu（Anaconda中安装）tensorflow基本语法操作代码测试写一个手动调用gpu设备的代码#coding:utf-8'''**************************************************@File：深度学习实战

小风_·2020-09-14 00:47

TensorFlow学习－－tf.add_to_collection与tf.get_collection使用

tf.add_to_collection–向当前计算图中添加张量集合tf.get_collection–返回当前计算图中手动添加的张量集合#!/usr/bin/python#coding:utf-8importtensorflowastfv1=tf.get_variable('v1',shape=[3],initializer=tf.ones_initializer())v2=tf.get_var

阿卡蒂奥·2020-09-13 09:52

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.Italsoprovidesconveniencemethodstoruntheseops.来自官网的介绍。importtenso

ke1th·2020-09-12 17:55

tensorflow学习——（fashion_mnist数据集）基本分类first_1.py——导入四个模块

此文参考：https://zhuanlan.zhihu.com/p/32756176#此处导入都是为了统一python2和python3from__future__importabsolute_import,division,print_function,unicode_literals(1）absolute_import模块from__future__importabsolute_importp

SwordKii·2020-09-12 16:34

TensorFlow学习（四）：梯度带(GradientTape)，优化器(Optimizer)和损失函数(losses)

更新时间：2017.5.9简化了很多不需要的内容，关注重点。2019.4.17更新到tensorflow2.x,添加自动求导和新版本的optimizer因为tensorflow2.x相对于tensorflow1.x的变动，API变更和思路也变化了，这节重点介绍的为梯度带(GradientTape)和优化器(Optimizer)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

赵志雄·2020-09-12 10:34

google机器学习框架tensorflow学习笔记（一）

机器学习简介为什么要学习机器学习？学习机器学习对于软件工程师而言，可以将以下三件事情做的更好：缩短编程时间自定义自己的产品使其适合特定群体解决不知如何用人工解决的问题学习机器学习还有一个更重要的原因：即机器学习可以改变我们思考问题的方式。借助于机器学习，我们可以把关注点从数学科学转移到自然科学上，通过观察不确定的世界，开展实验，并用统计而非逻辑来分析实验结果，像科学家一样思考。机器学习主要术语什么

_Celeste_·2020-09-11 22:15

【TensorFlow学习笔记】对图片数据的预处理一、-编码解码调整大小色彩亮度

IDE：pycharmPython:Python3.6OS:win10tf：1.5.0图片数据的预处理所谓，预处理就是对训练图片提前进行一些处理，为什么要这么干呢？？答案是为了降低其他无关因素对最后的识别结果的影响，比如说一幅图片在不同亮度或是对比度等指标下呈现的效果可能差别特别大，但是这些对于我们来说，不要影响到最后的识别结果，所以这就是预处理最想解决的东西，其次通过预处理方式也可以让数据集更加

AI蜗牛车·2020-09-11 22:13

TensorFlow学习（一）——tensorboard，可视化（如制作loss损失变化图【重要】）summary/scalar/histogram/FileWriter

TensorFlow开发了一个特别有用的可视化工具包：TensorBoard，既可以显示网络结构，又可以显示训练和测试过程中各层参数的变化情况，也是现实神经网络流程图，分为四个部分，第一部分介绍步骤，第二部分是完整代码，第三部分是运行结果。第一部分：基本步骤A、神经网络流程图所有流程图需要添加如下小部件：，网络层层（layer），输入（input-x,input-y),权重(weights)，偏置

搞视觉的张小凡·2020-09-11 21:09

tensorflow学习--基本概念计算图与会话

文章目录一、计算图二、会话Session一、计算图在TensorFlow程序中，系统会自动维护一个默认的图，通过tf.get_default_graph函数可以查看当前的默认的计算图。TensorFlow支持通过tf.Graph函数来生成新的计算图，不同计算图上的张量和计算不会共享\large{\color{red}{不会共享}}不会共享。在一个计算图中可以通过集合（collection）来管理不

smart_hang·2020-09-11 14:10

tensorflow学习笔记第四讲

目录数据增强tf.keras.preprocessing.image.ImageDataGenerator()断点续训提取可训练参数可视化准确率上升和损失下降训练代码给图识物数据增强tf.keras.preprocessing.image.ImageDataGenerator()ImageDataGenerator()数据输入维度是四维，如果需要输入数据不是四维，需要先reshape断点续训把上次

Drone_xjw·2020-09-10 21:12

tensorflow学习（6）保存运行数据 saver

importtensorflowastfv1=tf.Variable(tf.random_normal([1,2]),name="v1")v2=tf.Variable(tf.random_normal([2,3]),name="v2")init_op=tf.global_variables_initializer()saver=tf.train.Saver()#重要withtf.Session()

虹777·2020-09-10 20:07

tensorflow学习笔记(3)：使用tf.data API导入数据

详细教程：https://www.tensorflow.org/programmers_guide/datasets通过tf.dataAPI，您可以根据简单的可重用片段构建复杂的输入管道。例如，图片模型的管道可能会汇聚分布式文件系统中的文件中的数据、对每个图片应用随机扰动，并将随机选择的图片合并成用于训练的批次。文本模型的管道可能包括从原始文本数据中提取符号、根据对照表将其转换为嵌入标识符，以及将

==樛木==·2020-09-10 20:20

TensorFlow学习过程记录 -- 问题解决

运行代码之后，控制台除了输出应该有的结果外，还多了一行：IT:\src\github\tensorflow\tensorflow\core\platform\cpu_feature_guard.cc:140]YourCPUsupportsinstructionsthatthisTensorFlowbinarywasnotcompiledtouse:AVX2就是说您当前的CPU可以支持未编译为二进制

AzureL_·2020-09-10 20:31

TensorFlow学习笔记02:使用tf.data读取和保存数据文件

TensorFlow学习笔记02:使用tf.data读取和保存数据文件使用`tf.data`读取和写入数据文件读取和写入csv文件写入csv文件读取csv文件读取和保存TFRecord文件TFRecord

ncepu_Chen·2020-09-10 15:48

Tensorflow学习教程------参数保存和提取重利用

#coding:utf-8importtensorflowastffromtensorflow.examples.tutorials.mnistimportinput_datamnist=input_data.read_data_sets('MNIST_data',one_hot=True)#每个批次的大小batch_size=100n_batch=mnist.train._num_example

dibuxue3246·2020-09-10 13:51

【TensorFlow学习笔记】进阶篇（二）卷积神经网络详解_MINIST实例（CNN_Lenet5）

绪论在前一章中，我们学会了制作自己的数据集，不同于mnist数据集，我们自制的数据集图片是彩色图。如果在全连接网络直接输入的是三通道的RGB彩色图片，待优化的参数过多容易导致模型过拟合，而且计算量过大。所以实际应用中会先对原始图像进行特征提取（卷积）再把提取到的特征喂给全连接网络，再让全连接网络进行参数优化，得到分类评估。这样可以减小计算量等。卷积神经网络一般由卷积部分和全连接部分构成。卷积部分一

Jarvis_lele·2020-09-10 11:58

tensorflow 学习笔记（十）- 参数和特征的提取

tensorflow学习笔记（十）-参数和特征的提取在tf中，参与训练的参数可用tf.trainable_variables()提取出来，如：#取出所有参与训练的参数params=tf.trainable_variables

pandsu·2020-09-10 10:03

Tensorflow学习笔记7——卷积神经网络基础

第七讲卷积神经网络基础本节目标：会用CNN（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，输出为预测结果。参数个数：∑〖（前层*后层+后层）〗其中前层*后层即为w，最后的后层即为b如果输入为生活中的高分辨率彩色图像，不仅像素点会增加，还从灰度图的单通道信息，变成了红绿蓝的三通道信息，待优化的参数过多容易导致模型过拟合。为了防止过拟合，实际应用中会先对原始图

不务正业的程序媛·2020-09-10 09:49

TensorFlow学习笔记（五）——损失函数

前言：神经网络模型的效果以及优化的目标是通过损失函数（lossfunction）来定义的。本章将学习适用于分类问题和回归问题的经典损失函数。分类问题和回归问题是监督学习的两大种类。一、分类问题中的损失函数分类问题希望解决的是将不同的样本分到事先定义好的类别中，例如手写体数字识别问题可以被归纳成一个十分类问题。手写体数字识别问题可以被看成将一张包含了数字的图片分类到0〜9这10个数字中。通过神经网络

行歌er·2020-08-26 23:01

TensorFlow学习笔记——Fashion-MNIST数据集的下载及本地保存

Fashion-MNIST是Zalando文章图像的数据集——包括60,000个示例的训练集和10,000个示例的测试集。每个示例都是一个28x28灰度图像，与来自10个类的标签相关联。Fashion-MNISTHereistheexamplehowthedatalooks(eachclasstakesthree-rows):labeldescription0T恤（T-shirt/top）1裤子（

Colynn Johnson·2020-08-26 23:56

TensorFlow学习笔记（四）图像识别与卷积神经网络

一、卷积神经网络简介卷积神经网络(ConvolutionalNeuralNetwork,CNN)是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，对于大型图像处理有出色表现。它包括卷积层(convolutionallayer)和池化层(poolinglayer)。一般地，CNN的基本结构包括两层，其一为特征提取层，每个神经元的输入与前一层的局部接受域相连，并提取该局部的特征。一

weixin_34319999·2020-08-26 23:42

tensorflow学习笔记——图像识别与卷积神经网络

无论是之前学习的MNIST数据集还是Cifar数据集，相比真实环境下的图像识别问题，有两个最大的问题，一是现实生活中的图片分辨率要远高于32*32，而且图像的分辨率也不会是固定的。二是现实生活中的物体类别很多，无论是10种还是100种都远远不够，而且一张图片中不会只出现一个种类的物体。为了更加贴近真实环境下的图像识别问题，由李飞飞教授带头整理的ImageNet很大程度上解决了这个问题。ImageN

weixin_30408739·2020-08-26 23:38

Tensorflow学习笔记---人脸识别DEMO实现

'''数据材料这是一个小型的人脸数据库，一共有40个人，每个人有10张照片作为样本数据。这些图片都是黑白照片，意味着这些图片都只有灰度0-255，没有rgb三通道。于是我们需要对这张大图片切分成一个个的小脸。整张图片大小是1190×942，一共有20×20张照片。那么每张照片的大小就是：（1190/20）×（942/20）=57×47（大约，以为每张图片之间存在间距）问题解决10类样本，利用CNN

敲代码的灰太狼·2020-08-26 23:21

tensorflow学习笔记——卷积神经网络的简单应用

数据集下载本文用卷积神经网络实现MNIST数据集分类。可在这个网站下载MNIST数据集。下载后的数据如下图所示：本文使用的网络包括2个卷积层和两个全连接层。卷积核大小为5×5，第一个卷积层有32个卷积核，第二个卷积层有64个卷积核。第一个全连接层有1024个节点，第二个全连接层有10个节点。使用的激活函数为ReLU激活函数，优化器为Adam，ReLU+Adam也是我在论文里见的最多的搭配，最后一层

红鱼鱼·2020-08-26 23:02

TensorFlow学习笔记——图像增强

在TensorFlow中提供了一些图像增强的方法，比如放缩、裁剪、翻转、改变光照和对比度等。下面分别对这几种方法进行介绍：首先显示原图像，代码如下：importnumpyasnpimporttensorflowastfimportmatplotlib.pyplotaspltfrommatplotlib.pyplotimportimshowname='./0.png'#图片名称img_string=

流牧·2020-08-26 23:50

Tensorflow学习笔记(五)——卷积神经网络实现

今天来实现tensorflow架构下的卷积神经网络，首先了解清楚我们要构建的网络架构，数据集还是用mnist，所以输入还是28X28。建立的卷积神经网络架构是：卷积层->pooling层->卷积层->pooling层->全连接层1->全连接层2。全连接层的尺寸公式：N=(W−F+2P)/S+1参数解释：输入图片大小W×WFilter大小F×F步长Spadding的像素数P因为定义的filter所以

Maigz·2020-08-26 23:47

TensorFlow学习笔记（九）——全连神经网络

一、加载MNIST数据集fromtensorflow.examples.tutorials.mnistimportinput_dataimporttensorflowastftf.compat.v1.disable_eager_execution()mnist=input_data.read_data_sets("D:/公用程序部分/tensor/MNIST_data",one_hot=True)

柠檬巧克力、·2020-08-26 23:12

TensorFlow学习笔记（八）——避免过拟合，正则化以及其他方法

一、正则化此处需要学习现代数值计算方法，范数知识。1、二范数指矩阵A的2范数，就是A的转置共轭矩阵与矩阵A的积的最大特征根的平方根值，是指空间上两个向量矩阵的直线距离。类似于求棋盘上两点间的直线距离。（向量元素平方和再开方）2、一范数指的是向量元素的绝对值之和。3、无穷范数指的是向量元素中的最大值。1.正则化记损失函数和正则项分别为：因此引入正则的被优化项为：其中λ为提前挑选的值，控制我们偏好小范

柠檬巧克力、·2020-08-26 23:12

tensorflow学习笔记——2——经典损失函数

转载自TensorFlow实战Google深度学习框架（第2版）1.通过神经网络解决多分类问题最常用的方法是设置n个输出节点，其中n为类别的个数。对于每一个样例，神经网络可以得到一个n维数组作为输出结果。2.如何判断一个输出向量和期望的向量有多接近呢？交叉熵（crossentropy）是常用的评判办法之一。交叉熵刻画了两个概率分布之间的距离，它是分类问题中使用比较广的一种损失函数。给定两个概率p和

抬头仰望-y·2020-08-26 23:07

tensorflow学习笔记——图像数据处理

喜欢摄影的盆友都知道图像的亮度，对比度等属性对图像的影响是非常大的，相同物体在不同亮度，对比度下差别非常大。然而在很多图像识别问题中，这些因素都不应该影响最后的结果。所以本文将学习如何对图像数据进行预处理使训练得到的神经网络模型尽可能小地被无关因素所影响。但与此同时，复杂的预处理过程可能导致训练效率的下降。为了减少预处理对于训练速度的影响，后面也学习多线程处理输入数据的解决方案。在大部分图像识别问

liudahai777·2020-08-26 23:10

TensorFlow学习笔记10-卷积网络

卷积网络卷积神经网络(ConvolutionalNeuralNetwork,CNN)专门处理具有类似网格结构的数据的神经网络。如：时间序列数据(在时间轴上有规律地采样形成的一维网格)；图像数据(二维的像素网格)；卷积网络是指至少在网络的一层中使用卷积运算来替代一般的矩阵乘法运算的神经网络。卷积前面讲过卷积，相关算法这里直接使用。卷积公式为：\(s(t)=\int_{-\infty}^{t}x(\t

FQ1149816888·2020-08-26 23:13

Tensorflow学习笔记（六）均方误差损失函数，MSE

一、均方误差损失函数对于回归问题，最常用的损失函数就是均方误差损失函数（MSE）定义如下：其中yi为输出中第i个数据的答案值，yi‘就是神经网络给出的预测值。因此最小化该函数就是优化的目标。通过最小二乘法，可以获得让MSE最小的数值。令偏导分别为0，则会有一个方程组，方程组化简后，会得到一个由n，yi，xi表达的式子，这样就可以获得相应的方程组，方便计算机求解。最终会转化成下图的形式：二、自定义损

柠檬巧克力、·2020-08-26 23:27

Tensorflow学习笔记（五）深度前馈神经网络

一、神经元与全连接w代表神经元的参数，为权重；w右上角的（a）a为数字代表第几层（从第几层开始），右下角a，b…代表路径，如w1，2代表第一个输入单元至下一层的第二个单元。x代表输入值；右下角的数字标识为输入的单元的排序，1就是第一个。y代表输出值；一个神经元可以有多个输入，一个输出；每个神经元的输入可以来自其他神经元的输出；图中输出为：y=[0.2x1+0.2x2]a110.2+[0.1x1+0

柠檬巧克力、·2020-08-26 23:26

Tensorflow学习笔记（四）变量、张量

一、创建变量x=tf.Variable()tf.Variable(initial_value=None,trainable=True,collections=None,validate_shape=True,caching_device=None,name=None,variable_def=None,dtype=None,expected_shape=None,import_scope=None