qq_38721353的博客

tensorboard是tensorflow训练网络的可视化工具。这篇博客主要论述tf.summary怎样记录训练过程中的标量信息。tf.summary.scalar(tags, values, collections=None, name=None)用来记录标量信息tags：tensorboard中的名字values：要记录的标量信息但是该函数并不会立刻执行，只有当sess.run...

tf.stack(values, axis=0, name=‘stack’)value：一个tensor的list axis：stack的维度output：一个tensor，rank(output)=rank(value)+1如果value中的tensor形状为(A,B,C)axis=0，output的形状为（N,A,B,C)axis=1，output的形状为（A,N,B,C)和np.stack()的操作是一样的tf.concat(values, axis, nam

首先我们先来看一下RNN的内部结构：再看一下LSTM的内部结构：LSTM的讲解请看这篇博客：https://blog.youkuaiyun.com/pipisorry/article/details/78361778tensorflow中实现这个功能的函数是tf.contrib.rnn.BasicLSTMCell()这个函数实现的最基本的LSTM函数的功能，即上面说的功能，不加peephole...

tensorflow有4个随机数生成函数，tf.random_normaltf.truncated_normaltf.random_uniformtf.random_gamma下面依次介绍这4个生成器tf.random_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)生成服从正态分布...

equal(x, y, name=None)逐元素的比较x和y是否相等，所以要求x和y的维度相等，并且要求x和y的数据类型相同，否则报错。返回的是跟x、y维度相同的True/False矩阵>>> import tensorflow as tf>>> sess=tf.Session()>>> sess.run(tf.equal([1,2,...

tf.reshape(): 改变张量的维度np.reshape():改变array的维度tf.get_shape()是获取张量的维度np.shape是获取array的维度tf的两个都是方法，np改变大小是方法，获取大小是属性tf测试代码>>> a=tf.constant([[1,2,3],[4,5,6]])>>> tf.reshape(a,(3,2...

对输入的最后一层做全连接

tf.nn.embedding_lookup(params, ids)params: 一个张量或者数组ids: 一个整型列表该函数的目的是从params矩阵中返回行索引=ids中的元素的行向量组成矩阵import tensorflow as tftable = tf.Variable(tf.random_normal([10, 5]))b = tf.nn.embedding_look...

tf.conv2d做的是二维卷积，在输入的宽度和高度上同时卷积，二维卷积主要是做图片卷积。下面对tf.nn.conv2d的参数进行讲解。tf.nn.conv2d (input, filter, strides, padding, use_cudnn_on_gpu=None, data_format=None, name=None)input:[batch, in_height, in_widt...

1维卷积是在词维度上进行卷积。卷积核是二维的，卷积核的列和词向量的列数相同，只需指定卷积核的宽度，即二维矩阵的行数。tf.nn.conv1d(value, filters, stride, padding)value: [batch, in_width, in_channels]batch是输入文本的个数in_width是样本的单词个数in_channels是每个单词的维度(float...