Esun Blog

深度学习卷积神经网络的结构卷积层 -> 激活函数 -> 池化层 -> 全连接层a、卷积层 卷积层过滤器 数量 核大小 kernel size 步长 stride ...

深度神经网络深度学习网络与更常见的单一隐藏层神经网络的区别在于深度，深度学 习网络中，每一个节点层在前一层输出的基础上学习识别一组特定的特征。 随着神经网络深度增加，节点所能识别的特征也就越来越复杂。普通全连接神经网络的缺点参数太多，在cifar-10的数据集中，只有32 * 32 * 3，就会有这么多权重，如果说更大的图片，比如200 * 200 * 3就需要120000多个，这完全是浪费...

Tensorflow基础7：变量import tensorflow as tfimport numpy as npimport tensorflow as tfimport numpy as npdef foo(x_data,y_data): #先定义 X = tf.placeholder(dtype='float32',shape=(None,3)) y...

Tensorflow基础8：张量生成合并与切片生成tf.zeros()tf.ones()tf.eye()tf.constant()random_normal() 标准正态分布rabdin_uniform 生成均匀分布tf.matmul() 点积tf.range()tf.linespace()tf.random_normal(shape=(10,), mean=0.0, s...

Tensorflow基础7：形状的重设numpy当中reshape可以进行形状的调整tf中分为静态和动态形状: ts.get_shape:获取形状tf.reshape():重设形状with one.as_default(): plh = tf.placeholder(dtype='int32',shape=[3,3,3]) a = tf.constant(np.rando...

Tensorflow基础6：张量的属性graph 张量的图(空间)op 张量之间的运算符name 张量的字符描述shape 张量的形状dtype 张量的数据类型gr = tf.Graph()with gr.as_default(): a = tf.constant(np.random.randint(0,100,(3,5))) b = tf.constant(np...

Tensorflow基础5：常量的声明和使用#一开始定义常量的声明和使用好tensor的形状a = tf.constant(np.random.randint(0,100,(5,3)),name='ybq')a<tf.Tensor ‘ybq:0’ shape=(5, 3) dtype=int32>#仅仅用于占位的张量plh = tf.placeholder(dtype=...

Tensflow基础4：run()函数run()是运算和转换一次只能运行一个单位run()只能tensorflow中的单位one = tf.Graph()var1 = tf.constant(1)with tf.Session() as sess: display(sess.run(var1))1with one.as_default(): var2 = t...

Tensflow基础3：Sessiontensorflow 分为前台和后台前台系统:输入系统 定义图的结构后台系统:输出系统 运算一个Session同时智能运算一个图，如果不指定使用的是默认图1.开启 tf.Session()2.sess.run()或ts.eval()运行图结构，输入的数据传递到python的解释器中，转换到C++中去3.Session可以用来指定分配计算的资源...

Tensflow基础2：图graph图状结构空间,一个庞大数据结构集合，每个图使用随机内存空间,图都是相对独立的图的主要作业就是分配内存空间，对于编码本身无意义一个图中包含 tensor(张量) op(operation-Node,运算符)tensorflow中有一个默认的图获取默认的图tf.get_default_graph()<tensorflow.python.fra...

Tensflow基础1：tf的IOtensor ：张量包的导入import tensorflow as tfimport numpy as np强制转换成tensor类型a = tf.constant(123)b = tf.constant(567)with tf.Session() as sess: sess.run(a) display(res.eval(...