python-tensorflow(1)C3D代码解析

本文主要解析C3D模型的代码实现,从main函数开始,讲解TensorFlow中tf.get_variable的用法,以及函数如tf.concat、优化器tf.train.AdamOptimizer的相关方法。同时介绍了神经网络理论基础,包括学习率的调整策略。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

标签(空格分隔): 文章复现


C3D代码解析

1、main函数

def main(_):
  run_training()

if __name__ == '__main__':
  tf.app.run()

if __name__ == "__main__": means current file is executed under a shell instead of imported as a module.
__name__是当前模块名,当模块被直接运行时模块名为 __main__。这句话的意思就是,当模块被直接运行时,以下代码块将被运行,当模块是被导入时,代码块不被运行。
tf.app.run()
执行main函数之前首先进行flags的解析,也就是说TensorFlow通过设置flags来传递tf.app.run()所需要的参数,我们可以直接在程序运行前初始化flags,也可以在运行程序的时候设置命令行参数来达到传参的目的。

    ```
      学习使用 tf.app.flags 使用,全局变量
     可以再命令行中运行也是比较方便,如果只写 python app_flags.py 则代码运行时默认程序里面设置的默认设置
   若 python app_flags.py --train_data_path <绝对路径 train.txt> --max_sentence_len 100
     --embedding_size 100 --learning_rate 0.05  代码再执行的时候将会按照上面的参数来运行程序
 ````
     - import tensorflow as tf
    -
    - FLAGS = tf.app.flags.FLAGS
    -
    - # tf.app.flags.DEFINE_string("param_name", "default_val", "description")
    - tf.app.flags.DEFINE_string("train_data_path", "/home/yongcai/chinese_fenci/train.txt", "training data dir")
    - tf.app.flags.DEFINE_string("log_dir", "./logs", " the log dir")
    - tf.app.flags.DEFINE_integer("max_sentence_len", 80, "max num of tokens per query")
    - tf.app.flags.DEFINE_integer("embedding_size", 50, "embedding size")
    -
    - tf.app.flags.DEFINE_float("learning_rate", 0.001, "learning rate")
    -
    -
    - 
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值