qq_40164157的博客

from __future__ import print_functionimport tensorflow as tfimport random生成数据# ====================# TOY DATA GENERATOR# ====================class ToySequenceData(object): """ Generate sequence of data with dynamic length. This class gene

数据集from __future__ import print_functionimport tensorflow as tffrom tensorflow.contrib import rnnimport numpy as np# Import MNIST datafrom tensorflow.examples.tutorials.mnist import input_datamnist = input_data.read_data_sets("/tmp/data/", one_hot

数据集from __future__ import print_functionimport tensorflow as tffrom tensorflow.contrib import rnn# Import MNIST datafrom tensorflow.examples.tutorials.mnist import input_datamnist = input_data.read_data_sets("/tmp/data/", one_hot=True)参数设置# Trai

参考TensorFlow引入了动态图机制Eager Execution

逐句：with tf.variable_scope('ConvNet', reuse=reuse):通俗理解tf.name_scope()、tf.variable_scope()// An highlighted blockvar foo = 'bar';// An highlighted blockvar foo = 'bar';// An highlighted blockvar foo = 'bar';// An highlighted blockvar foo = '

逐句x = tf.nn.conv2d(x, W, strides=[1, strides, strides, 1], padding='SAME')函数定义：TensorFlow: tf.nn.conv2d()tf.nn.conv2d( input, filter, strides, padding, use_cudnn_on_gpu=True, data_format='NHWC', dilations=[1, 1, 1, 1],

123

逐句mnist = input_data.read_data_sets("/tmp/data/", one_hot=True)mnist数据集不能直接使用，需要通过input_data模块进行初始化，否则会报mnist is not definedfrom tensorflow.examples.tutorials.mnist import input_dataX = tf.placeholder("float", [None, num_input])在Tensoflow2.0以前，还是静

TensorFlow ,CUDA,cuDNN版本对应https://tensorflow.google.cn/install/source_windowsCUDA安装:下载:https://link.zhihu.com/?target=https%3A//developer.nvidia.com/cuda-toolkit-archive安装:1.没有不勾2.当前版本(后)大于最新版本(前)不勾测试:...

正确率计算tf.math.top_kimport tensorflow as tfimport osos.environ['TE_CPP_MIN_LOG_LEVEL'] = '2'tf.random.set_seed(2467)def accuracy(output, target, topk=(1,)): maxk = max(topk) batch_size = target.shape[0] pred = tf.math.top_k(output, maxk)

深度学习–前向传播练习0时间：2020.9.24数据：处理，iterw1,w2,w3,b1,b2,b3…epoch, step,tf.GradientTape():w1,w2,w3,b1,b2,b3,loss更新import tensorflow as tffrom tensorflow import kerasfrom keras import datasetsimport os(x, y), _ = datasets.mnist.load_data()x = tf.c

深度学习–ResNet练习练习56时间:2020.8.22昂:BasicBlock:conv1 + bn1 + reluconv2 + bn2Identity 注意维度一致build_resblock:第一个BasicBlock: 给一个下采样功能其他的BasicBlock: 不进行下采样功能ResNet:一个根部: 第一层resblock堆叠: 根据不同的ResNet给予不同的layer_dims进行堆叠分类的fc: h, w 未知搞个均值拉好

深度学习–CIFAR100练习练习5时间:2020.8.20昂:数据预处理网络构建损失函数计算梯度更新参数训练测试网络:Something:数据集链接:http://www.cs.toronto.edu/~kriz/cifar-100-python.tar.gz还是少了点什么[待补]不急代码:import tensorflow as tffrom tensorflow.keras import layers, optimizers, datasets, Sequent

深度学习–CIFAR10自定义网络练习练习4时间:2020.8.19昂:数据预处理自定义网络层自定义网模型模型配置与训练模型保存和加载Something:数据集下载慢:下载器链接:https://www.cs.toronto.edu/~kriz/cifar-10-python.tar.gz文件位置:C:\Users\用户名.keras\datasets修改文件名(因为它改了):cifar-10-batches-py.tar.gz似乎少了点什么,不急[待补]代码impo

深度学习-手写数字(层)练习3时间:2020.8.18解析:数据预处理; 模型建立; 梯度计算; 更新参数; loop; test测试注意数据计算后是啥Something:iter() next()tf.losses.MSE() 均方误差tf.losses.categorical_crossentropy() 交叉熵损失好像又少了点什么东西[待补]…代码:import tensorflow as tffrom tensorflow import kerasfrom t

深度学习–手写数字体验练习2时间:2020.8.18解析:数据集和模型准备计算loss, out --> y,根据loss,计算梯度来更新参数自动求导:tape.gradient(loss, 优化参数)自动更新:optimizerloop:循环一次数据集训练进行一次训练:epoch一次batch进行一次训练:stepSomething:optimizers.SGD随机梯度下降优化器似乎少了点什么…昂,不急代码:import osimport tensorflow

深度学习–线性回归练习练习1时间:2020.8.17解析:代码:import numpy as np# y = wx + b#第一步: 计算lossdef compute_error_for_line_given_points(b, w, points): totalError = 0 for i in range(0, len(points)): x = points[i, 0] y = points[i, 1] #com