forsch的博客

数据流图有两大组成部分： Tensor对象 Op对象 这二者的特性都是不可变的(immutable),在数据流图中对于普通Tensor来说，经过一次Op操作之后，就会转化为另一个Tensor。当前一个Tensor的使命完成之后就会被系统回收。 但在机器学习任务中，某些参数(eg:模型参数)可能需要长期保存，他们的值还需要不断迭代更新，也就是，它必须是可变的。 为了处理这个问题，所以就有了变量(...

tensorflow 中在运行时动态设置某个变量的值，先使用placeholder占位。运行时动态给占位符“喂”数据。 用tf.placeholder占位 import tensorflow as tf a = tf.placeholder(tf.float32, name = "input_1") b = tf.placeholder(tf.float32, name = "input_2")...

Session()方法 tensorflow的内核使用更加高效的C++作为后台，以支撑它的密集计算。tensorflow把前台(即python程序)与后台程序之间的连接称为"会话(Session)" Session作为会话，主要功能是指定操作对象的执行环境，Session类构造函数有3个可选参数。 target(可选)：指定连接的执行引擎，多用于分布式场景。 graph(可选)：指定要在Sess...

创建图对象 import tensorflow as tf import numpy as np a = tf.constant(123) print(a.graph) print(tf.get_default_graph()) <tensorflow.python.framework.ops.Graph object at 0x7f46885216d8> <tensorfl...

背景 在典型的tensorflow应用程序中，可能会有数以千计的计算节点。如此多的节点汇集在一起，难以分析，甚至无法用标准的图表工具来展示。解决这个问题，一个有效方法就是，为Op/Tensor划定名称范围。 在tensorflow中，这个机制叫名称作用域(name scope)。它的作用类似C++中的“命名空间(namespace)”,或java中的“包(package)”。 使用名称作用域后，就...

tensorflow中导入下载到本地的mnist数据集 使用input_data.read_data_sets("/worker/mnistdata/", one_hot = True) "/worker/mnistdata/"为数据集存放的位置. import tensorflow as tf from tensorflow.examples.tutorials.mnis

安装anaconda anaconda网站下载安装. conda中添加清华镜像源，解决conda install 慢的问题 打开Anaconda Prompt 复制如下代码执行 conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --set show_ch...