ysl的博客

神经网络基础与人工神经网络神经网络方面的研究很早就已出现，今天“神经网络”已是一个相当大的、多学科交叉的学科领域。神经网络中最基本的成分是神经元模型。上图中每个圆圈都是一个神经元，每条线表示神经元之间的连接。我们可以看到，上面的神经元被分成了多层，层与层之间的神经元有连接，而层内之间的神经元没有连接。感知器为了理解神经网络，我们应该先理解神经网络的组成单元——神经元。神经元也叫...

模型保存与恢复、自定义命令行参数、在我们训练或者测试过程中，总会遇到需要保存训练完成的模型，然后从中恢复继续我们的测试或者其它使用。模型的保存和恢复也是通过tf.train.Saver类去实现，它主要通过将Saver类添加OPS保存和恢复变量到checkpoint。它还提供了运行这些操作的便利方法。tf.train.Saver(var_list=None, reshape=False, s...

线程和队列在使用TensorFlow进行异步计算时，队列是一种强大的机制。为了感受一下队列，让我们来看一个简单的例子。我们先创建一个“先入先出”的队列（FIFOQueue），并将其内部所有元素初始化为零。然后，我们构建一个TensorFlow图，它从队列前端取走一个元素，加上1之后，放回队列的后端。慢慢地，队列的元素的值就会增加。TensorFlow提供了两个类来帮助多线程的实现：tf...

图像操作图像基本概念在图像数字化表示当中，分为黑白和彩色两种。在数字化表示图片的时候，有三个因素。分别是图片的长、图片的宽、图片的颜色通道数。那么黑白图片的颜色通道数为1，它只需要一个数字就可以表示一个像素位；而彩色照片就不一样了，它有三个颜色通道，分别为RGB，通过三个数字表示一个像素位。TensorFlow支持JPG、PNG图像格式，RGB、RGBA颜色空间。图像用与图像尺寸相同(he...

"""第四章 神经网络工具箱nn上一章中提到，使用autograd可实现深度学习模型，但其抽象程度较低，如果用其来实现深度学习模型，则需要编写的代码量极大。在这种情况下，torch.nn应运而生，其是专门为深度学习而设计的模块。torch.nn的核心数据结构是Module，它是一个抽象概念，既可以表示神经网络中的某个层（layer），也可以表示一个包含很多层的神经网络。在实际使用中，最...

"""第五章 PyTorch常用工具模块在训练神经网络过程中，需要用到很多工具，其中最重要的三部分是：数据、可视化和GPU加速。本章主要介绍Pytorch在这几方面的工具模块，合理使用这些工具能够极大地提高编码效率。5.1 数据处理在解决深度学习问题的过程中，往往需要花费大量的精力去处理数据，包括图像、文本、语音或其它二进制数据等。数据的处理对训练神经网络来说十分重要，良好的数据处理...

Tensor"""Tensor又名张量,读者可能对这个名词似曾相识，因它不仅在PyTorch中出现过，它也是Theano、TensorFlow、 Torch和MxNet中重要的数据结构。关于张量的本质不乏深度的剖析，但从工程角度来讲，可简单地认为它就是一个数组，且支持高效的科学计算。它可以是一个数（标量）、一维数组（向量）、二维数组（矩阵）和更高维的数组（高阶数据）。Tensor和...

图tf.GraphTensorFlow计算，表示为数据流图。一个图包含一组表示 tf.Operation计算单位的对象和tf.Tensor表示操作之间流动的数据单元的对象。默认Graph值始终注册，并可通过调用访问 tf.get_default_graph。a = tf.constant(1.0)assert c.graph is tf.get_default_graph()...

变量作用域tensorflow提供了变量作用域和共享变量这样的概念，有几个重要的作用。让模型代码更加清晰，作用分明变量作用域域通过tf.variable_scope()创建指定名字的变量作用域with tf.variable_scope("itcast") as scope: print("----")加上with语句就可以在整个itcast变量作用域下就行操作。...

卷积神经网络与图像识别我们介绍了人工神经网络，以及它的训练和使用。我们用它来识别了手写数字，然而，这种结构的网络对于图像识别任务来说并不是很合适。本文将要介绍一种更适合图像、语音识别任务的神经网络结构——卷积神经网络(Convolutional Neural Network, CNN)。说卷积神经网络是最重要的一种神经网络也不为过，它在最近几年大放异彩，几乎所有图像、语音识别领域的重要突破都是...

import tensorflow as tfFLAGS=tf.app.flags.FLAGStf.app.flags.DEFINE_string('captcha_dir','./tfrecords/captcha.tfrecords','验证码数据的路径')tf.app.flags.DEFINE_integer("batch_size", 100, "每批...

使用 TensorFlow, 你必须明白 TensorFlow：Tensorflow有一下几个简单的步骤：使用 tensor 表示数据. 使用图 (graph) 来表示计算任务. 在会话（session)中运行图s关于新版本TensorFlow提供多种API。最低级API为您提供完整的编程控制。请注意，tf.contrib.learn这样的高级API可以帮助您管理数据集，估计器，...

分布式TensorflowTensorflow的一个特色就是分布式计算。分布式Tensorflow是由高性能的gRPC框架作为底层技术来支持的。这是一个通信框架gRPC(google remote procedure call)，是一个高性能、跨平台的RPC框架。RPC协议，即远程过程调用协议，是指通过网络从远程计算机程序上请求服务。分布式原理Tensorflow分布式是由多个服务器进...

片信息的读取与写入二进制文件的读取使用tf.FixedLengthRecordReader去读取，我们将其保存到TFRecords文件当中，以这种文件格式保存当作模型训练数据的来源在这里我们设计一个CifarRead类去完成。将会初始化每个图片的大小数据def __init__(self, filelist=None): # 文件列表 self.filelist ...

1.张量的阶和数据类型TensorFlow用张量这种数据结构来表示所有的数据.你可以把一个张量想象成一个n维的数组或列表.一个张量有一个静态类型和动态类型的维数.张量可以在图中的节点之间流通.其实张量更代表的就是一种多位数组。阶在TensorFlow系统中，张量的维数来被描述为阶.但是张量的阶和矩阵的阶并不是同一个概念.张量的阶（有时是关于如顺序或度数或者是n维）是张量维数的一个数量描...

变量的的创建、初始化、保存和加载其实变量的作用在语言中相当，都有存储一些临时值的作用或者长久存储。在Tensorflow中当训练模型时，用变量来存储和更新参数。变量包含张量（Tensor）存放于内存的缓存区。建模时它们需要被明确地初始化，模型训练后它们必须被存储到磁盘。值可在之后模型训练和分析是被加载。Variable类tf.Variable.init(initial_value, t...

"""tensorflow实现一个简单的线性回归案例"""def myregression(): """ 自定义一个线性回归 :return: None """ # 1.准备数据,x 特征值[100,1] y 目标值[100] x=tf.random_normal([100,1],mean=1.75,stddev=0.5,name=...

https://www.cnblogs.com/wanghui-garcia/p/10785579.htmlhttps://blog.youkuaiyun.com/sinat_33741547/article/details/77871170https://blog.youkuaiyun.com/sunqiande88/article/details/80219842