Yancy的博客

一、有向图TensorFlow的计算流程是可以采用数据流图，或者说有向图来直观地表达的。就如我们常见的神经网络中的神经细胞示意图一样，数据流图可以直观地告诉我们计算的形态。有向图也称计算图，每一个运算操作都作为一个节点（node），节点与节点的连接称为边（edge）。其描绘了数据的计算流程，也可以用来便捷地维护、更新状态。计算图可以映射到不同的硬件或操作平台上。这样统一的架构，Te...

一、安装环境关于如何安装anaconda和python可参考我的另一篇日志《傻瓜教程：MacOS系统安装Anaconda+Spyder+TensorFlow》。我使用macbook仅是用来测试一些流程性问题，实际操作的话不建议使用MAC OS系统，MAC OS系统使用GPU不太方便（虽然网上有许多macbook外接GPU的教程，但总归是很心疼的）。实际跑深度学习工程时，我会放在ubun...

在使用TensorFlow的过程中，保存模型参数变量是很重要的一个环节，既可以保证训练过程信息不丢失，也可以帮助我们在需要快速恢复或使用一个模型的时候，利用之前保存好的参数之间导入，可以节省大量的训练时间。本文通过最简单的例程教大家如何保存和读取.ckpt文件。一、保存到文件首先是导入必要的东西：import tensorflow as tfimport numpy as np...

为什么我们要进行标准化？具有统一规格的数据更方便神经网络学习到数据的规律。举个非常简单的例子。假设我们的激活函数是f(x)=tanh，输入数据x从-10到10。如下图所示：加上标准化工序后，x被调整到[-1,1]，那么with和without标准化工序的数据输入之后，输出响应分布也大不相同：没有normalize的数据，使用 tanh 激活以后, 激活值大部分都分布到了饱和...

目录前期准备实例：训练一元方程SessionVariableplacehoder优化器（Optimizer）实战进阶：灵活使用TensorFlow添加神经层建造你的神经网络结果可视化全程可视化:tensorboard的使用关于学习任何一门编程，我的建议是：直接动手干，不要花时间系统去学！一边实践一边学习，进步才最快。等有1~2个项目的实践经历后，再回...

在使用tensorboard将神经网络可视化的过程中，常见遇见的一些报错及其修正方案： AttributeError: 'module' object has no attribute 'SummaryWriter'tf.train.SummaryWriter改为：tf.summary.FileWriter AttributeError: 'module' object h...

我们借助sklearn这个module来直观地看一看overfitting（过拟合）问题如何通过dropout来解决。本文适合刚刚接触TensorFlow的新手们，练习使用，附上源码。首先我们导入必要文件和数据：#导入必要文件import tensorflow as tffrom sklearn.datasets import load_digitsfrom sklearn.c...