yleave的博客

文章目录一、tf.nn.l2_loss() 与 权重衰减（weight decay）二、tf.stack与tf.unstack三、tf.nn.max_pool四、tf.matmul() 和tf.multiply()五、tf.random_normal()六、Session.run与Tensor.eval七、tf.image.resize_nearest_neighbor八、tensorflow简单...

权重衰减（weight decay）  L2正则化的目的就是为了让权重衰减到更小的值，在一定程度上减少模型过拟合的问题，所以权重衰减也叫L2正则化。  L2正则化就是在代价函数后面再加上一个正则化项：  其中 C0C_0C0​ 代表原始的代价函数，后面那一项就是L2正则化项，它是这样来的：所有参数 w 的平方的和，除以训练集的样本大小 n。λ就是正则项系数，权衡正则项与 C0C_0C0...

这里对 tensorflow 中的 stack 和 unstack 做一个简单的介绍。tf.stack 官方文档tf.stack:tf.stack 的作用是拼接张量，其实也就是拼接数组，且能指定拼接的维度。tf.stack( values, axis=0, name='stack')values：要拼接的 tensor 列表，要求相同 shape 和 ty...

tf.nn.max_pool(value, ksize, strides, padding, name=None)参数是四个，和卷积很类似：参数value：需要池化的输入，一般池化层接在卷积层后面，所以输入通常是 feature map ，是[batch, height, width, channels] 这样的 shape参数 ksize：池化窗口的大小，取一个四维向量，一般是 [1, ...

1.tf.multiply（）两个矩阵中对应元素各自相乘格式: tf.multiply(x, y, name=None) 参数: x: 一个类型为:half, float32, float64, uint8, int8, uint16, int16, int32, int64, complex64, complex128的张量。 y: 一个类型跟张量x相同...

1、TensorFlow实战_黄文坚（完整）.pdf链接: https://pan.baidu.com/s/1b3Va3O 密码: d4t62、Tensorflow 实战Google深度学习框架.pdf链接: https://pan.baidu.com/s/1dEZCQ9z 密码: 4a3h3、TensorFlow Machine Learning Cookbook.pdf链接: htt...

tf.random_normal()函数用于从服从指定正态分布的数值中取出指定个数的值。tf.random_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)    shape: 输出张量的形状，必选    mean: 正态分布的均值，默认为0 ...

TensorFlow实现mnist书写数字分类，在使用from tensorflow.examples.tutorials.mnist import input_datamnist = input_data.read_data_sets('./data/mnist', one_hot=True)12导入mnist数据集时，无法下载。出现please use urllib or simi...

之前在TensorFlow中运行代码时，在会话中会需要运行节点，会碰到两种方式：Session.run()和Tensor.eval()，刚开始不太懂这两者之间的差异，最后通过查找官方文档和一些资料了解到中间的差别。1、官方文档的解释官方文档中显示如下：图中翻译如下： 第一段：如果t是一个tf.Tensor对象，则tf.Tensor.eval是tf.Session.run的缩写（其中s...

https://blog.youkuaiyun.com/dQCFKyQDXYm3F8rB0/article/details/88052667

（资源本来想上传到优快云上的，无奈优快云上有相同资源，而那个资源又是要积分的，所以只好传网盘了。）我并不建议专攻哪...

欢迎大家关注我们的网站和系列教程：http://www.tensorflownews.com/，学习更多的机器学习、深度学习的知识！作者：AI小昕在之前的Tensorflow系列文章中，我们教大家学习了Tensorflow的安装、Tensorflow的语法、基本操作、CNN的一些原理和项目实战等。本篇文章将为大家总结Tensorflow纯干货学习资源，非常适合新手学习，建议大家收藏。想要学习更...