louishao的博客

tensorflow是一个很不错的人工智能框架，具备丰富的python api。本人很多机器学习算法都是使用它来实现的，因此，本文就分享自己在python2.7中安装tensorflow的经验吧。

一文读懂如何使用自己的数据进行网络模型的训练在学习相关深度学习框架时，我们往往会采用MNIST数据集进行学习。比如：https://blog.youkuaiyun.com/louishao/article/details/76218083还有：https://blog.youkuaiyun.com/louishao/article/details/60867339但是图像分割，去噪等图像到图像的任务中，我们往往需...

TensorFlow网络模型的保存与导入（save and restore）构建深度学习网络，训练时间往往比较长，当训练完成以后，效果比较好，我们希望能将模型保存下来，进行实际的部署和测试，或者进行迁移学习。下面结合我自己的一些实践介绍一下TensorFlow模型保存和导入的方法。 主要有两种： （1）传统的使用ckpt模型，然后需要把网络模型整体框架重写一次； （2）较高版本的tf...

深度学习的卷积运算（TensorFlow实现） 深度学习网络中，很重要的一种提取特征的手段，就是运用卷积运算。 在TensorFlow中实现二维卷积的运算，使用的是tf.nn.conv2d()函数，这一篇文章，主要讲解的就是这一个函数实现的具体的运算。 实际的计算不难，但是一涉及到多通道时，可能会感觉有点复杂。其实，和单通道的计算是一样的，只是多通道是多个并列计算。下面一个图，很...

TensorFlow实现自编码器，具体一点是实现去噪自编码器。自编码器属于非监督学习的方法。自编码器作为深度学习在无监督领域的尝试是非常成功的，使用TensorFlow实现自编码器，能认识到其作用和领悟当中的原理。

GPU环境的配置在深度学习中，模型往往很复杂，数据量很大，此时使用GPU运行会快很多。而使用GPU就需要安装CUDA和CuDNN。本文是为了使用tensorflow的gpu版本而使用的GPU。

TensorFlow实现Softmax Regression识别手写数字。本文从相关原理讲起，讲解了Softmax回归算法，之后使用TensorFlow进行编程实现，最后展现实验结果。虽然算法简单，但是经过整理总结，编程实现，学习得更加深刻！

TensorFlow实现多层感知器。单层感知器解决不了非线性的问题，此时需要引入多层感知器。其实质上是，一个含有一个或多个隐含层的神经网络。当出现神经网络层数较深时，我们要考虑过拟合、参数调试的困难、梯度弥散等问题。

本博文是根据TensorFlow最新(r1.0)官方文档编写的，自己对上面的教程整理了一下，根据自己的理解写的。本人看过TensrFlow(0.5)的官方文档。因此，我不会把全部教程都写上来，主要写和之前不同的，或者我没看过的。https://www.tensorflow.org/get_started/get_started 使用TensorFlow Python A

一文搞懂TensorFlow的变量创建在TensorFlow中创建变量，主要使用的函数是：tf.Variable()和tf.get_variable()。这两个函数都比较常用，看懂这两个函数后，在调试代码时会更顺利一些。下面简单介绍一下这两个函数。两个函数的简单介绍（1）tf.Variable(initial value, [name]) ([] - 表示可选)功能：生成一个新的初始值为...