HK_John的博客

1.矩阵操作1.1矩阵生成这部分主要将如何生成矩阵，包括全０矩阵，全１矩阵，随机数矩阵，常数矩阵等tf.ones | tf.zerostf.ones(shape,type=tf.float32,name=None) tf.zeros([2, 3], int32) 用法类似，都是产生尺寸为shape的张量(tensor)sess = tf.Intera

对于训练数据量非常大的机器学习项目，推荐使用TFRecord这种TensorFlow自带格式来制作和使用训练集，重点介绍在使用数据集时自己刚使用时有一点难以理解的地方。对于数据集的制作下面直接给出代码，具体的代码不进行详细解释，网上有很多相关的介绍。import osfrom PIL import Imageimport tensorflow as tfimport numpy as npi

在计算loss的时候，最常见的一句话就是tf.nn.softmax_cross_entropy_with_logits，那么它到底是怎么做的呢？首先明确一点，loss是代价值，也就是我们要最小化的值tf.nn.softmax_cross_entropy_with_logits(logits, labels, name=None)除去name参数用以指定该操作的name，

tensorflow ConfigPrototf.ConfigProto一般用在创建session的时候。用来对session进行参数配置with tf.Session(config = tf.ConfigProto(...),...)1#tf.ConfigProto()的参数log_device_placement=True : 是否打印设备分配日志allow_soft_pl

tf中有两对方法比较容易混淆，涉及的是shape问题，在此做一些区分。首先说明tf中tensor有两种shape，分别为static (inferred) shape和dynamic (true) shape，其中static shape用于构建图，由创建这个tensor的op推断（inferred）得来，故又称inferred shape。如果该tensor的static shape未定

转载请标明出处：http://blog.youkuaiyun.com/wuzqchom/article/details/74785643在用tensorflow写CNN的时候，调用卷积核api的时候，会有填padding方式的参数，找到源码中的函数定义如下（max pooling也是一样）：def conv2d(input, filter, strides, padding, us

实验环境：tensorflow版本1.2.0，python2.7介绍惯例先展示函数：tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, name=None)12除去name参数用以指定该操作的name，与方法有关的一共五个参数：input： 指需要做卷积的输入

class tf.Variable一个变量通过调用run() 方法维持图的状态。你通过构造variable 类的实例来添加一个变量到图中。Variable() 构造器需要一个初始值，可以是任意类型和shape 的Tensor。初始值定义了变量的type和shape。构造完成之后，变量的type和shape 是固定的。可以使用assign 方法来修改变量的值。如果你想修改变量

cast(x, dtype, name=None) 将x的数据格式转化成dtype.例如，原来x的数据格式是bool， 那么将其转化成float以后，就能够将其转化成0和1的序列。反之也可以a = tf.Variable([1,0,0,1,1])b = tf.cast(a,dtype=tf.bool)sess = tf.Session()sess.run(tf.initializ

tensorflow中的dropout函数用来随机将图中的点按noise_shape的比例置为0，目的是防止过拟合，避免在训练集上表现好而在新输入的数据上表现差的情况。tf.nn.dropout(x, keep_prob, noise_shape=None, seed=None, name=None)根据给出的keep_prob参数，将输入tensor x按比例输出。

在程序中有一处不理解的地方 import basic.util.prints这个basic包找不到也搜不到，有知道的帮忙留言，谢谢可以在下面使用print（data.eval()）来输出结果Tensors常量值函数tf.zeros(shape, dtype=tf.float32, name=None)tf.zeros_like(tensor, dtype=None,

一，tensorflow中有一类在tensor的某一维度上求值的函数。如：求最大值tf.reduce_max(input_tensor, reduction_indices=None, keep_dims=False, name=None)求平均值tf.reduce_mean(input_tensor, reduction_indices=None, keep_dims=F

引言  跟传统的监督式机器学习算法相比，深度神经网络目前最大的劣势是什么？  贵！  尤其是当我们在尝试处理现实生活中诸如图像识别、声音辨识等实际问题的时候。一旦你的模型中包含一些隐藏层时，增添多一层隐藏层将会花费巨大的计算资源。   庆幸的是，有一种叫做“迁移学习”的方式，可以使我们在他人训练过的模型基础上进行小改动便可投入使用。在这篇文章中，我将会讲述如何使用预训练模型来加速解决问题的过程。注...