Thomas会写字

最近在研究学习TensorFlow，在做识别手写数字的demo时，遇到了tf.nn.conv2d这个方法，查阅了官网的API 发现讲得比较简略，还是没理解。google了一下，参考了网上一些朋友写得博客，结合自己的理解，差不多整明白了。方法定义tf.nn.conv2d (input, filter, strides, padding, use_cudnn_on_gpu=None, data_format=None, name=None)参数：input : 输入的要做卷积的图片，要求为一个张量

import tensorflow as tfimport numpy as npimport matplotlib.pyplot as pltdef LineModel(SrcX, SrcK, SrcB): return tf.matmul(SrcX, SrcK) + SrcBDataNum = 100SrcX = np.linspace(-1, 1, num=DataNum)SrcX = np.reshape(SrcX, [DataNum, 1])SrcY = SrcX * .

1.背景：import tensorflow as tfa = tf.constant(tf.random_normal([2, 2])) # 运行该代码出现错误print(a)1 2 3将tf.random_normal传入给tf.constant发生错误:TypeError: List of Tensors when single Tensor expected2. 问题出现原因：查看tf.constant()和tf.random_normal()是如何使用的2.1

https://blog.youkuaiyun.com/lenbow/article/details/52130565

摘要：本系列主要对tf的一些常用概念与方法进行描述。本文主要针对tensorflow的模型训练Training与测试Testing等相关函数进行讲解。为‘Tensorflow一些常用基本概念与函数’系列之四。1、序言本文所讲的内容主要为以下列表中相关函数。函数training()通过梯度下降法为最小化损失函数增加了相关的优化操作，在训练过程中，先实例化一个优化函数，比如 tf.train.GradientDescentOptimizer，并基于一定的学习率进行梯度优化训练：optimizer

tf.Variable(initializer,name),参数initializer是初始化参数，name是可自定义的变量名称，用法如下：import tensorflow as tfv1=tf.Variable(tf.random_normal(shape=[4,3],mean=0,stddev=1),name='v1')v2=tf.Variable(tf.constant(2),name='v2')v3=tf.Variable(tf.ones([4,3]),name='v3')with

make_blobs方法:sklearn.datasets.make_blobs(n_samples=100,n_features=2,centers=3, cluster_std=1.0,center_box=(-10.0,10.0),shuffle=True,random_state=None)make_blobs函数是为聚类产生数据集，产生一个数据集和相应的标签n_samples:表示数据样本点个数,默认值100n_features:是每个样本的特征（或属性）数，也表示数据的维度，默认值是

摘要：本系列主要对tf的一些常用概念与方法进行描述。本文主要针对tensorflow的数据IO、图的运行等相关函数进行讲解。为‘Tensorflow一些常用基本概念与函数’系列之三。1、序言本文所讲的内容主要为以下相关函数：操作组 操作 Data IO (Python functions) TFRecordWrite，rtf_record_iterator Running Graphs Session management，Error classes 2、tf函数

摘要：本文主要对tf的一些常用概念与方法进行描述。为‘Tensorflow一些常用基本概念与函数’系列之二。1、tensorflow的基本运作为了快速的熟悉TensorFlow编程，下面从一段简单的代码开始：import tensorflow as tf #定义‘符号’变量，也称为占位符 a = tf.placeholder("float") b = tf.placeholder("float") y = tf.mul(a, b) #构造一个op节点 sess = tf.Sess

摘要：本文主要对tf的一些常用概念与方法进行描述。1、tensorflow的基本运作为了快速的熟悉TensorFlow编程，下面从一段简单的代码开始：import tensorflow as tf #定义‘符号’变量，也称为占位符 a = tf.placeholder("float") b = tf.placeholder("float") y = tf.mul(a, b) #构造一个op节点 sess = tf.Session()#建立会话 #运行会话，输入数据，并计算节点，

做人工智能实验的过程中遇到这样一段代码不是很明白是什么意思：查阅资料后明白了tensorflow中eval的用法：with tf.Session() as sess: print(accuracy.eval({x:mnist.test.images,y_: mnist.test.labels}))其效果和下面的代码是等价的：with tf.Session() as sess: print(sess.run(accuracy, {x:mnist.test.images,y_: mn

app 模块：通用入口点脚本bitwise 模块：操作整数的二进制表示compat 模块：python 2和3兼容性函数contrib 模块：contrib模块包含易变的和实验代码data 模块：用于输入的tf.data.Dataset APIdebugging 模块：tf.debugging命名空间的公共APIdistributions 模块：TensorFlow分发对象和帮助程序的核心模块dtypes 模块：tf.dtypes命名空间的公共APIerrors 模块：TensorFlow.

1. 安装Anacondahttps://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/勾选AdvancedOptions两个选项，安装Anaconda 中的Python 保证版本对应进入windows中的命令模式，运行cmd：输入：conda --version 有版本号出现表示安装成功2. 打开Anaconda Prompt输入 python 有版本信息表示python安装成功然后直输入pip install tenso...