_icrazy_的博客

在Eager模式下, 使用TensorFlow实现一个简单的卷积神经网络实验. 测试环境: win10 x64 anaconda3-5.2_x86_64 python3.6.5 TensorFlow1.10(cpu版) Ubuntu16.04 anaconda3-5.2_x86_64 python3.6.5 TensorFlow1.10(...

转载自： https://blog.youkuaiyun.com/qq_35370018/article/details/79442938 一. 静态图的弊端 使用过TensorFlow的大家都会知道, TF通过计算图将计算的定义和执行分隔开, 这是一种声明式（declaretive）的编程模型. 确实, 静态的图模式优点很多,但是debug时确实非常不方便(类似于对编译好的C语言程序调用,此时是我们无法...

在Eager Execution模式下，placeholder操作无法与之兼容，可以使用tf.data提供的API来导入数据 Eager模式简单教程：https://github.com/madalinabuzau/tensorflow-eager-tutorials Eager模式下使用tf.data和静态图模式下基本一致，区别只在于迭代的创建。在未来，或许 Google会消除这些不同。 ...

转载自： https://blog.youkuaiyun.com/chengqiuming/article/details/80042749 一、动态图 动态图是相对于静态图而言的。所谓的动态图是指在python中代码被调用后，其操作立即被执行的计算。其与静态图最大的区别是不需要使用session来建立会话了。即在静态图中，需要在会话中调用run方法才可以获得某个张量的具体值：而在动态图中，直接运行就...

在使用TensorFlow的过程中，通过TensorBoard直接可视化计算图时会发现，整个计算图展示的太过于细粒度，以至于我们很难向Caffe中那样方便的直接查看网络的整体架构，很多时候，我们真的更希望一目了然的看到网络的整体架构而非其它. 通过netscope 工具,我们能够快捷的查看caffe中定义的神经网络*.prototxt文件 下面给出VGG16的可视化链接地址: http://...