Enchanted_ZhouH的博客

本文主要通过CNN进行花卉的分类，训练结束保存模型，最后通过调用模型，输入花卉的图片通过模型来进行类别的预测。       测试平台：win 10+tensorflow 1.2       数据集：http://download.tensorflow.org/example_images/flower_photos.tgz       数据集中总共有五种花，分别放在五个文件夹下。       一、C

本文先分析了LeNet-5模型的结构，然后基于LeNet-5模型写了TensorFlow代码实现mnist数字识别，代码部分进行了详细注解，目前也在学习阶段，有错误欢迎指出，大家一起学习。 LeNet-5模型结构图如下图： LeNet-5模型总共有7层。 第一层：卷积层 第一层卷积层的输入为原始的图像，原始图像的尺寸为32×32×1。卷积

通过tensorflow实现一个简易的线性回归，代码如下：import tensorflow as tfimport numpy as npimport matplotlib.pyplot as plt#定义训练数据train_x = np.linspace(-1,1,100)train_y = 3*train_x + np.random.randn(*train_x.shape)*0.3

tf.Session()：创建一个会话       tf.Session().as_default()：创建一个默认会话       那么问题来了，会话和默认会话有什么区别呢？TensorFlow会自动生成一个默认的计算图，如果没有特殊指定，运算会自动加入这个计算图中。TensorFlow中的会话也有类似的机制，但是TensorFlow不会自动生成默认的会话，而是需要手动指定。       tf.S

tf.nn.in_top_k()函数的参数如下：in_top_k(predictions, targets, k, name=None)       predictions：预测的结果，预测矩阵大小为样本数×标注的label类的个数的二维矩阵。       targets：实际的标签，大小为样本数。       k：每个样本的预测结果的前k个最大的数里面是否包含targets预测中的标签，一般都是取