
Tensorflow
以实战经验,促进学习。
北木.
交流分享,共同成长
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
tf.clip_by_value —— 实现值域控制
函数功能:tf.clip_by_value(A, min, max)函数:输入张量A,把A中的每一个元素的值都压缩在min和max之间。张量A中小于min的值,使之变为min。张量A中大于max的,使之变为max。代码实现:import tensorflow as tfimport numpy as npv = tf.constant([[1.0, 2.0, 3.0],[4.0, 5.0, 6.0]])result = tf.clip_by_value(v, 1.5, 3.5)with原创 2020-11-18 16:06:44 · 271 阅读 · 0 评论 -
Tensorflow手动下载及安装
官网下载链接:tensorflow · PyPIhttps://pypi.org/project/tensorflow/#files如果需要直接下载哪个版本,只需要加入版本号(如1.8.0)https://pypi.org/project/tensorflow/1.8.0/#files下载好之后:WIN+R打开命令端口输入cmd升级pip(如果需要的话)进入文件夹: 在进行pi...原创 2020-04-18 21:52:41 · 6651 阅读 · 0 评论 -
pyqt出现:To construct input pipelines, use the `tf.data` module.
这是因为使用的是较新的TensorFlow版本,只需把TensorFlow换成其他低版本(如1.9.0)即可pip install tensorflow==1.8.0windows下查看已安装的tensorflow版本及路径,并且进行版本修改...原创 2020-04-18 15:30:39 · 2162 阅读 · 0 评论 -
windows下查看已安装的tensorflow版本及路径,并且进行版本修改
Tensorflow版本查询1. 开始—运行—cmd2. 输入: python3. 查看tensorflow版本输入: import tensorflow as tf再输入: tf.__version__Tensorflow路径查询输入:tf.__path__Tensorflow版本修改1.先输入命令 : pip uninstall tensorflow,输入完之后关闭...原创 2020-04-18 11:54:25 · 3277 阅读 · 0 评论 -
tf.get_default_graph().get_tensor_by_name
import tensorflow as tfc = tf.constant([[1.0, 2.0], [3.0, 4.0]])d = tf.constant([[1.0, 1.0], [0.0, 1.0]])e = tf.matmul(c, d, name='example')with tf.Session() as sess: test = sess.run(e) ...原创 2020-02-29 22:55:04 · 3105 阅读 · 0 评论 -
tf.constant_initializer
tf.constant_initializer() 参数:value: Python标量、值列表或元组,或n维Numpy数组。初始化变量的所有元素将在value参数中设置为对应的值。 dtype: 数据类型。 verify_shape: 布尔值,用于验证value的形状。如果为真,如果value的形状与初始化张量的形状不兼容,初始化器将抛出错误。1. 大小正好的初始化import ...原创 2020-02-29 21:29:24 · 5796 阅读 · 0 评论 -
tensorflow中tf.slice和tf.gather切片函数
tf.slice(input_, begin, size, name=None):按照指定的下标范围抽取连续区域的子集 tf.gather(params, indices, validate_indices=None, name=None):按照指定的下标集合从axis=0中抽取子集,适合抽取不连续区域的子集输出:input = [[[1, 1, 1], [2, 2, ...转载 2020-02-29 20:30:47 · 263 阅读 · 0 评论 -
tensorflow中两种读图及裁剪图片的区别(io.imread和cv2.imread)以及(transform.resize和cv2.resize)
Tensorflow中,在训练图片数据之前,需要先对图片进行预处理,读图和裁剪是最基本的两步。常见的的读图何裁剪分别有两种方式,这里小编将和大家分享下这几种方式的实现以及他们之间的区别。一、常见的两种读图方式 io.imread() 和 cv2.imread()1.io.imread 读出的图片格式是uint...转载 2020-02-29 17:17:55 · 1548 阅读 · 0 评论 -
Tensorflow冻结网络模型
What 神经网络模型中存在大量的权重参数,这些参数在不断训练的过程中通过反向传播等算法来减小梯度,优化网络的性能。同时这些参数是不断变化的,而冻结神经网络是将这些变量转化为常量。 Why TensorFlow冻结网络模型为单一文件,以供C++、移动端与嵌入式设备在推理阶段使用。...原创 2020-01-03 16:03:18 · 1047 阅读 · 0 评论 -
Dropout 解决 overfitting
声明来源于莫烦Python:Dropout 解决 overfitting往期回顾过拟合 (Overfitting)及其解决方法栗子 图中黑色曲线是正常模型,绿色曲线就是overfitting模型。尽管绿色曲线很精确的区分了所有的训练数据,但是并没有描述数据的整体特征,对新测试数据的适应性较差。 第三条曲线存在overfitting问题,尽管它经过了所有的训练点,但是不...转载 2019-12-25 17:25:21 · 316 阅读 · 0 评论 -
过拟合 (Overfitting)及其解决方法
声明来源于莫烦Python:过拟合 (Overfitting)过拟合问题的通俗理解过拟合问题相当于机器学习的模型拟合过于 “自负”回归分类的过拟合机器学习模型的自负又表现在哪些方面呢。这里是一些数据. 如果要你画一条线来描述这些数据, 大多数人都会画出蓝线,但这时蓝线与数据的总误差可能是10。可是有时候, 机器过于纠结这误差值, 他想把误差减到更小, 来完成他对这一批数据的学习使命。...转载 2019-12-25 16:14:34 · 6305 阅读 · 0 评论 -
Classification 分类学习
声明来源于莫烦Python:Classification 分类学习分类问题的通俗理解 分类和回归在于输出变量的类型上。通俗来讲,连续变量预测,如预测房价问题,属于回归问题; 离散变量预测,如把东西分成几类,属于分类问题。代码import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_dat...转载 2019-12-25 11:39:45 · 524 阅读 · 0 评论 -
Tensorflow中加速网络训练-优化器-可视化Tensorboard
加速神经网络训练 (Speed Up Training)优化器 optimizerTensorboard 可视化好帮手 1Tensorboard 可视化好帮手 2设置loss的变化图:在 tensorboard 中查看效果:原创 2019-12-21 16:47:01 · 388 阅读 · 0 评论 -
结果可视化
声明来源于莫烦Python:结果可视化代码import tensorflow as tfimport numpy as npimport matplotlib.pyplot as pltdef add_layer(inputs, in_size, out_size, activation_function=None): Weights = tf.Variable(tf.ra...转载 2019-12-21 11:32:14 · 532 阅读 · 0 评论 -
深度学习之建造神经网络
声明来源于莫烦Python:建造神经网络建造一个完整的神经网络,包括添加神经层,计算误差,训练步骤,判断是否在学习.代码import tensorflow as tfimport numpy as npdef add_layer(inputs, in_size, out_size, activation_function=None): # add one more laye...转载 2019-12-21 11:03:19 · 203 阅读 · 0 评论 -
添加层 def add_layer()
声明来源于莫烦Python:添加层 def add_layer()相关代码import tensorflow as tfdef add_layer(inputs, in_size, out_size, activation_function=None): Weights = tf.Variable(tf.random_normal([in_size, out_size])) ...转载 2019-12-20 09:07:06 · 618 阅读 · 0 评论 -
Placeholder 传入值
声明来源于莫烦Python:Placeholder 传入值代码import tensorflow as tfinput1 = tf.placeholder(tf.float32)input2 = tf.placeholder(tf.float32)output = tf.multiply(input1, input2)with tf.Session() as sess: ...转载 2019-12-19 20:22:07 · 723 阅读 · 0 评论 -
Variable 变量
声明来源于莫烦 Python:Variable 变量代码import tensorflow as tfstate = tf.Variable(0, name='counter')#print(state.name)one = tf.constant(1)new_value = tf.add(state, one)update = tf.assign(state, new_va...转载 2019-12-19 20:03:53 · 309 阅读 · 0 评论 -
Session 会话控制
声明来源于莫烦Python:Session 会话控制Session 是 Tensorflow 为了控制,和输出文件的执行的语句. 运行 session.run() 可以获得你要得知的运算结果, 或者是你所要运算的部分.代码import tensorflow as tfmatrix1 = tf.constant([[3, 3]]) # 一行两列的矩阵matrix2 = tf.co...转载 2019-12-19 18:05:26 · 187 阅读 · 0 评论 -
Tensorflow 搭建自己的神经网络(代码示例)
声明来源于莫烦python: Tensorflow 搭建自己的神经网络功能通过神经网络来寻找一元线性函数的参数值。输出神经网络预测时的参数值(权重和偏置)代码from __future__ import print_functionimport tensorflow as tfimport numpy as np# create datax_data = np.rando...原创 2019-12-19 17:46:17 · 474 阅读 · 0 评论