tensorflow学习记录,制作数据集训练

57 篇文章 ¥19.90 ¥99.00
33 篇文章 ¥29.90 ¥99.00
本文记录了使用TensorFlow制作数据集和训练过程中的关键操作,包括reduce_sum/reduce_mean的运用,argmax求最大值,cast数据类型转换,以及tf.truncated_normal与tf.random_normal的区别分析。

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

暂且贴出代码记录下,省的弄丢了,后面我有时间再修改,哈哈
分析:
1. reduce_sum/reduce_mean
表示在某一维度进行reduce,就是计算压缩的意思。所以reduce_sum就是计算沿某一维度计算均值,使其变成1。tf.reduce_sum(Tensor, reduction_indices = [1])) 就是让沿第二维求和,这样就把一张图片784个值的每个值都与计算得到的784个值一一对应计算 −∑iy′ilog(yi), 当然了,最后还要对一个batch的所有100张图片计算平均交叉熵。
2. argmax
表示求某一维的最大值。很简单吧。这里 tf.argmax(y_, 1) 就是查看预测的最大值呗。因为预测的label是以(100, 10)显示的。对于每一张图,有10个数,数字最大的则为其预测标签。
3. cast
强制转换数据类型,没啥好说的。
4tf.truncated_normal与tf.random_normal的区别
作为tensorflow里的正态分布产生函数,这两个函数的输入参数几乎完全一致,
而其主要的区别在于,tf.truncated_normal的输出如字面意思是截断的,而截断的标准是2倍的stddev。

import tensorflow as
评论
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

打赏作者

xiao__run

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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