<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[cgd132的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/cgd132</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; cgd132]]></copyright><item><title><![CDATA[tensorflow学习笔记（四）：tf.cond()的用法]]></title><link>https://blog.youkuaiyun.com/cgd132/article/details/82497634</link><guid>https://blog.youkuaiyun.com/cgd132/article/details/82497634</guid><author>cgd132</author><pubDate>Fri, 07 Sep 2018 15:38:32 +0800</pubDate><description><![CDATA[

由于tensorflow使用的是graph的计算概念，在没有涉及控制数据流向的时候编程和普通编程语言的编程差别不大，但是涉及到控制数据流向的操作时，就要特别小心，不然很容易出错。这也是TensorFlow比较反直觉的地方。
在TensorFlow中，tf.cond()类似于c语言中的if…else…，用来控制数据流向，但是仅仅类似而已，其中差别还是挺大的。关于tf.cond（）函数的具体操作，...]]></description><category></category></item><item><title><![CDATA[tensorflow学习笔记（五）：tf.losses.softmax_cross_entropy()和tf.losses.sparse_softmax_cross_entropy()]]></title><link>https://blog.youkuaiyun.com/cgd132/article/details/82315903</link><guid>https://blog.youkuaiyun.com/cgd132/article/details/82315903</guid><author>cgd132</author><pubDate>Sun, 02 Sep 2018 15:31:25 +0800</pubDate><description><![CDATA[tf.losses.softmax_cross_entropy(): softmax cross-entropy loss （用tf.nn.softmax_cross_entropy_with_logits 实现）

tf.losses.sparse_softmax_cross_entropy(): 稀疏softmax Cross-entropy loss （用 tf.nn.sparse_soft...]]></description><category></category></item><item><title><![CDATA[tensorflow学习笔记（四）：tf.train.exponential_decay的用法]]></title><link>https://blog.youkuaiyun.com/cgd132/article/details/82313806</link><guid>https://blog.youkuaiyun.com/cgd132/article/details/82313806</guid><author>cgd132</author><pubDate>Sun, 02 Sep 2018 11:08:24 +0800</pubDate><description><![CDATA[注意：原图上错误的地方，global_step/LRARNING_RATE_BATCH_SIZE  这一项为前面的LEARNING_RATE_DECAY的指数，而不是和其的乘积。

]]></description><category></category></item><item><title><![CDATA[tensorflow学习笔记（三）：reduce_mean]]></title><link>https://blog.youkuaiyun.com/cgd132/article/details/82253195</link><guid>https://blog.youkuaiyun.com/cgd132/article/details/82253195</guid><author>cgd132</author><pubDate>Fri, 31 Aug 2018 10:59:15 +0800</pubDate><description><![CDATA[
                tf.reduce_mean函数的作用是求平均值。第一个参数是一个集合，可以是列表、二维数组和多维数组。第二个参数指定在哪个维度上面求平均值。默认对所有的元素求平均。tf.reduce_mean 
比如，下面是对所有元素求平均值：



x = tf.constant(
[[1., 1.], 
[2., 2.]])

tf.reduce_mean(x)  # 1....]]></description><category></category></item><item><title><![CDATA[python笔记—— assert用法]]></title><link>https://blog.youkuaiyun.com/cgd132/article/details/82252807</link><guid>https://blog.youkuaiyun.com/cgd132/article/details/82252807</guid><author>cgd132</author><pubDate>Fri, 31 Aug 2018 10:44:05 +0800</pubDate><description><![CDATA[

转自：http://blog.sina.com.cn/s/blog_76e94d210100vz37.html
assert 主要用于测试
1、assert语句用来声明某个条件是真的。
2、如果你非常确信某个你使用的列表中至少有一个元素，而你想要检验这一点，并且在它非真的时候引发一个错误，那么assert语句是应用在这种情形下的理想语句。
3、当assert语句失败的时候，会引发一Assert...]]></description><category></category></item><item><title><![CDATA[tensorflow学习笔记（二）：control dependencies]]></title><link>https://blog.youkuaiyun.com/cgd132/article/details/82252704</link><guid>https://blog.youkuaiyun.com/cgd132/article/details/82252704</guid><author>cgd132</author><pubDate>Fri, 31 Aug 2018 10:39:30 +0800</pubDate><description><![CDATA[ 
         
                                 
转载              https://blog.youkuaiyun.com/u012436149/article/details/72084744                
                                             
                tf...]]></description><category></category></item><item><title><![CDATA[tensorflow学习笔记（一）：collection]]></title><link>https://blog.youkuaiyun.com/cgd132/article/details/82252313</link><guid>https://blog.youkuaiyun.com/cgd132/article/details/82252313</guid><author>cgd132</author><pubDate>Fri, 31 Aug 2018 10:22:36 +0800</pubDate><description><![CDATA[
    
        
            
                原               tensorflow学习笔记（一）：collection


        转载自 https://blog.youkuaiyun.com/u012436149/article/details/53894354               
                        ...]]></description><category></category></item><item><title><![CDATA[python笔记——访问控制]]></title><link>https://blog.youkuaiyun.com/cgd132/article/details/79856409</link><guid>https://blog.youkuaiyun.com/cgd132/article/details/79856409</guid><author>cgd132</author><pubDate>Sun, 08 Apr 2018 19:17:55 +0800</pubDate><description><![CDATA[Python 中虽然没有访问控制的关键字，例如 private、 protected 等等。但是，在 Python 编码中，有一些约定来进行访问控制。单下划线、 双下划线、 头尾双下划线说明：_foo: 以单下划线开头的表示的是 protected 类型的变量，即保护类型只能允许其本身与子类进行访问，不能用于 from module import *__foo: 双下划线的表示的是私有类型(pri...]]></description><category></category></item></channel></rss>