(1）：tensorflow不易记忆api

最新推荐文章于 2025-05-19 14:18:08 发布
原创 最新推荐文章于 2025-05-19 14:18:08 发布 · 187 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文深入探讨了使用Python进行深度学习实践的关键技术，包括numpy数组操作、张量转换、随机数生成、交叉熵损失自定义、模型保存与重载等核心内容。通过具体示例，展示了如何利用numpy和TensorFlow库进行数据预处理、模型训练和评估。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

、

按第一个维度打乱

numpy转换为张量

生成区间内的随机数

自己定义交叉熵损失

np.random.randint()第一个参数是随机数取值的范围，第二个参数是生成的个数

plt.matshow()函数：将二维矩阵以图片格式显示

模型的保存与重载

保存图模型，tensorboard展示

为numpy数组添加一个维度

get_shape()返回的是TensorShape类型，需借助as_list（）转换为列表形式

tf.nn.conv2d()格式的卷积，数学更多，这种形式逐渐被取代

4维的张量形式如下：最内层是32，依次往前推

tf.reshape()转换张量的形状

设置最大保存的模型个数ckpt格式

 

遗传算法与深度学习：优化神经网络结构
AI天才研究院
05-23 2564
关键词： 遗传算法，深度学习，神经网络，结构优化，超参数调整深度学习近年来取得了令人瞩目的成就，其在图像识别、自然语言处理、语音识别等领域展现出巨大的应用潜力。然而，深度学习模型的性能很大程度上取决于其结构和超参数的设置。手动设计神经网络结构需要大量的专业知识和经验，并且效率低下。为了解决这个问题，人们开始探索使用自动化方法来优化神经网络结构，而遗传算法作为一种经典的进化算法，为解决这一问题提供了新的思路。遗传算法（Genetic Algorithm，GA）是一种模拟自然选择和遗传机制的优化算法。它将问题的
结构化Prompt:通过提供清晰的指令和格式要求，帮助AI更准确地捕捉用户的意图
AI天才研究院
10-31 646
结构化Prompt:通过提供清晰的指令和格式要求，帮助AI更准确地捕捉用户的意图 关键词：结构化Prompt、自然语言处理、机器学习、深度学习、AI应用 摘要：本文将探讨结构化Prompt的定
tensorflow API注意点
fkyyly的专栏
07-04 259
（1）tf.nn.conv2d 和 tf.layers.conv2d功能相同都可以使用 tf.layers.conv2d 使用tf.nn.convolution作为后端 https://blog.youkuaiyun.com/wanglitao588/article/details/77162351
tensorflow中的常用函数（不断更新）
Big Data
10-30 382
为了便于大家查询，也方便自己记忆，现将tensorflow中的常用函数整理如下：1.计算最大值： tf.reduce_max(input_tensor, reduction_indices=None)计算平均值 tf.reduce_mean(input_tensor, reduction_indices=None)参数1–input_tensor:待求值的tensor。如# 'x' is
（2）tensorflow不易记忆api
qq_34514046的博客
06-12 138
把解压之后获得的goole v3的图结构保存到log文件夹中，以便于tensorboard展示 tf读取文件，一次性读取多行 字符串左右删除特定字符函数 判断字符串是以什么字符开始 创建默认图来存放goole训练好的模型 通过网络结构中的名字来获取其张量值 eval函数的输出也可以借助feed_dict方式喂进去 获取张量的形状get_shape().as...
从我开发的深度学习框架看深度学习这几年：TensorFlow, PaddlePaddle（飞桨）, 无量...
阿木寺的博客
04-09 1391
点击下方卡片，关注“CVer”公众号AI/CV重磅干货，第一时间送达本文作者：Peter潘欣|来源：知乎（已获作者授权）https://zhuanlan.zhihu.com/p/36...
pytorch、tensorflow对比学习—张量
qq_58832911的博客
07-23 2158
在张量操作功能模块上，对比学习pytorch和tensorflow两者的API接口，和语法。一篇文档同时拥有pytroch、tensorflow，美滋滋。
深度学习在图像隐写中的应用：TensorFlow项目实践
最新发布
weixin_42593130的博客
05-19 808
在信息时代，数据安全成为社会关注的焦点，图像隐写技术作为信息安全领域的一项重要技术，它涉及到将秘密信息隐藏于图像文件中，而不影响图像的正常观看。图像隐写技术基于图像数据的冗余特性，通过编码、嵌入和提取等步骤，实现数据的隐蔽传输。本章将探讨图像隐写技术的基本概念、发展历程、应用场景以及当前面临的挑战和未来的发展趋势。通过对图像隐写技术的剖析，我们可以看到其在信息安全领域中的重要价值，以及随着深度学习技术的兴起，如何将其进一步优化和应用。
深度学习系列1：框架pytorch
kittyzc的博客
02-12 1227
1. pytorch介绍 深度学习的框架基本都是基于计算图的，其中静态计算图先定义再运行（比如前面介绍的tensorflow），而动态图则是一边定义一边运行（比如本篇介绍的pytorch）。在tensorflow中，计算图一旦定义好了就不能修改，因此需要在最开始就把所有的情况都包含到计算图中；在pytorch中，每一次运行代码（也就是开始进行前向传播）时，都会创建一副新的计算图，相比之下非常灵活。...
基于LangChain+LLM的本地知识库问答：从企业单文档问答到批量文档问答
热门推荐
结构之法 算法之道
07-05 12万+
本文则侧重讲解 1 什么是LangChain及langchain的整体组成架构 2 解读langchain-ChatGLM项目的关键源码，不只是把它当做一个工具使用，因为对工具的原理更了解，则对工具的使用更顺畅 3 langchain-ChatGLM项目的升级版langchain-chatchat
Bi-LSTM_CRF_NER.zip
06-12
双向长短期记忆网络（Bidirectional LSTM）是LSTM的一种扩展，它同时考虑了序列数据的前向和后向信息流。在NER中，Bi-LSTM能够捕获上下文的双向依赖，从而提高对实体边界的判断能力。在训练时，每个时间步的输入...
深度学习：卷积神经网络从入门到精通
GitChat
03-28 2万+
内容简介 全面介绍各种卷积神经网络的模型、算法及应用，指导读者把握其形成和演变的基本脉络，以帮助读者在较短的时间内从入门达到精通的水平。有兴趣的读者可以从本书开始，通过图像分类、识别、检测和分割的案例，逐步深入卷积神经网络的核心，掌握深度学习的方法和精髓，领会 AlphaGo 战胜人类世界冠军的奥秘。 作者简介 李玉鑑（鉴） 北京工业大学教授，博士生导师。华中理工大学（现名为华中科技大学）本科毕...
注意力机制与LSTM的结合
AI天才研究院
04-26 2674
长短期记忆网络（LSTM）是一种特殊类型的循环神经网络（RNN），能够学习长期依赖关系。LSTM在许多序列建模任务中表现出色，如语言建模、机器翻译、语音识别等。然而，在处理较长序列时，LSTM可能难以捕捉远距离的相关信息。注意力机制（Attention Mechanism）是一种允许模型在生成每个元素时都聚焦于输入序列中与当前输出最相关的部分的技术。通过引入注意力机制，模型能够更好地处理长序列，提高了模型的表现力和泛化能力。将注意力机制与LSTM相结合，能够使模型在生成序列的每个时间步，根据当前的隐藏状态和
LSTM对mnist数据集分类
qq_34514046的博客
08-21 1935
把28*28的mnist数据集看成28个28输入的序列 # coding: utf-8 import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data #载入数据集 mnist = input_data.read_data_sets("./MNIST_data/",one_hot=True) ...
tensorflow笔记----3---ANN对mnist数据集分类
qq_34514046的博客
08-13 1323
tensorfllow实现两层MLP对mnist分类，第一层256个神经元，第二层128个神经元，输入784，输出10分类 #! /usr/bin/python # -*-coding:utf-8 -*- __author__ = "chunming" import tensorflow as tf from tensorflow.examples.tutorials.mnist import ...
CNN用于mnist数据集分类
qq_34514046的博客
08-20 1289
CNN通过感受野和权值共享减少了神经网络需要训练的参数个数 卷积操作：PADDing 池化操作：PADDing # coding: utf-8 import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data mnist = input_data.read_data_sets('./...
tensorboard:命名空间、参数可视化、embedding可视化数据集分类过程
qq_34514046的博客
08-21 923
命名空间代码：总结：网络中与结构没关系的代码不用定义命名空间 # coding: utf-8 import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data #载入数据集 mnist = input_data.read_data_sets("./MNIST_data",one_hot=T...
交叉熵损失用于mnist分类、Dropout用于两层神经网络用于mnist分类、Adam、不断减小的学习率用于mnist分类
qq_34514046的博客
08-20 462
softmax+交叉熵损失用于mnist分类 # coding: utf-8 import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data #载入数据集 mnist = input_data.read_data_sets("./MNIST_data",one_hot=True) #每个批次的...
模拟非线性回归、softmax分类mnist数据集
qq_34514046的博客
08-20 412
建立一个一个输入神经元，中间隐藏层10个神经元，输出为1个神经元的神经网络用于模拟非线性回归 # coding: utf-8 import tensorflow as tf import numpy as np import matplotlib.pyplot as plt #使用numpy生成200个随机点 x_data = np.linspace(-0.5,0.5,200)[:,np.ne...
训练自定义Mask R-CNN模型：Tensorflow对象检测API指南
本篇文档将详细介绍如何使用TensorFlow对象检测API来训练一个自定义的Mask R-CNN模型。Mask R-CNN是一种流行的实例分割网络架构，非常适合于同时进行目标检测和像素级分割的任务。 ### 知识点一：TensorFlow对象...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值