大学之道，在明明德

本文主要介绍如何在 ubuntu 系统中配置 GPU 版本的 tensorflow 环境。主要包括：- cuda 安装- cudnn 安装- tensorflow 安装- keras 安装

最近两年深度学习真的是火的不要不要的，关于深度学习，每个人都有自己的看法。有人说就是炼丹，得个准确率召回率什么的，拿到实际中，问问为什么，都答不上来。各种连代码都没写过的人，也纷纷表示这东西就是小孩堆积木，然后整个大功耗的服务器跑上几天，调调参数。然后每个实验室招生，都说自己是做什么深度学习，机器 学习，大数据分析的，以此来吸引学生。可是可是，他们实验室很可能连一块 GPU 都没有。小时候，我

本例代码：https://github.com/yongyehuang/Tensorflow-Tutorial/tree/master/python/the_use_of_tfrecord 关于 tfrecord 的使用，分别介绍 tfrecord 进行三种不同类型数据的处理方法。 - 维度固定的 numpy 矩阵 - 可变长度的 序列 数据 - 图片数据 在 tf1.3 及以后版本中，推出了

本例代码：https://github.com/yongyehuang/Tensorflow-Tutorial/tree/master/python/the_use_of_tfrecord 关于 tfrecord 的使用，分别介绍 tfrecord 进行三种不同类型数据的处理方法。 - 维度固定的 numpy 矩阵 - 可变长度的 序列 数据 - 图片数据 在 tf1.3 及以后版本中，推出了

本例代码：https://github.com/yongyehuang/Tensorflow-Tutorial/tree/master/python/the_use_of_tfrecord 关于 tfrecord 的使用，分别介绍 tfrecord 进行三种不同类型数据的处理方法。 - 维度固定的 numpy 矩阵 - 可变长度的 序列 数据 - 图片数据 在 tf1.3 及以后版本中，推出了

关于模型保存的一点心得saver = tf.train.Saver(max_to_keep=3)在定义 saver 的时候一般会定义最多保存模型的数量，一般来说，如果模型本身很大，我们需要考虑到硬盘大小。如果你需要在当前训练好的模型的基础上进行 fine-tune，那么尽可能多的保存模型，后继 fine-tune 不一定从最好的 ckpt 进行，因为有可能一下子就过拟合了。但是如果保存太多，硬盘也有

关于 tensorboard 的一点心得1.一定要学会使用 tf.variable_scope() 和 tf.name_scope(),否则稍微复杂一点的网络都会乱七八糟。你可以通过上图中的 graph 来看看自己构建的网络结构。2.使用 tensorboard 来看 training 和 validation 的 loss 和 accuracy 变化对于调参非常非常有帮助。经验足的炼丹选手通过

欢迎转载，但请务必注明原文出处及作者信息。@author: huangyongye @creat_date: 2017-03-08 前言: 本例子主要介绍 name_scope 和 variable_scope 的正确使用方式，学习并理解本例之后，你就能够真正读懂 TensorFlow 的很多代码并能够清晰地理解模型结构了。之前写过一个例子了： TensorFlow入门（四） name / v

@author: huangyongye @creat_date: 2017-04-19 reference: - [1] 【中文分词系列】 4. 基于双向LSTM的seq2seq字标注 http://spaces.ac.cn/archives/3924/ - [2] https://github.com/yongyehuang/TensorFlow-Examples/blob/mas

欢迎转载，但请务必注明原文出处及作者信息。@author: huangyongye @creat_date: 2017-03-09 前言: 根据我本人学习 TensorFlow 实现 LSTM 的经历，发现网上虽然也有不少教程，其中很多都是根据官方给出的例子，用多层 LSTM 来实现 PTBModel 语言模型，比如： tensorflow笔记：多层LSTM代码分析 但是感觉这些例子还

name/variable_scope 的作用欢迎转载，但请务必注明原文出处及作者信息。@author: huangyongye @creat_date: 2017-03-08 refer to: Sharing Variables name / variable_scope 详细理解请看： TensorFlow入门（七） 充分理解 name / variable_scope* 起因：在运行

深入MNISTrefer: http://wiki.jikexueyuan.com/project/tensorflow-zh/tutorials/mnist_pros.html @author: huangyongye @date: 2017-02-24之前在keras中用同样的网络和同样的数据集来做这个例子的时候。keras占用了 5647M 的显存（训练过程中设了 validation_s

两层FC层做分类：MNISTrefer: http://wiki.jikexueyuan.com/project/tensorflow-zh/tutorials/mnist_beginners.html @author: huangyongye @date: 2017-02-24在本教程中，我们来实现一个非常简单的两层全连接层来完成MNIST数据的分类问题。 输入[-1,28*28], FC1

TensorFlow入门（一）基本用法refer to: http://wiki.jikexueyuan.com/project/tensorflow-zh/get_started/basic_usage.html @author: huangyongye @date: 2017-02-25本例子主要是按照 tensorflow的中文文档来学习 tensorflow 的基本用法。按照文档说明，主