谢小小XH

1.首先安装Anaconda我自己之前用的就是官网的裸Python,提供了一个简单的IDLE,然后其他的包都自己装,对于喜欢折腾的人来说还是可以的,但是免不了浪费时间.而Anaconda是一个Python的应用程序集成包.集成了很多有用的东西,到时候这样安装其他的东西的时候方便一点. 下载网址:https://www.continuum.io/downloads 版本什么的自己选择,因为libp

本文将讲解深度学习使用数据的一整套流水线. 将使用tensorflow新的tf.data 的一系列API来讲解. Dataset能够有效简化数据读取和使用等等一些的复杂程度,是现在官方推荐的数据使用方式. 官方文档:Module: tf.data一.使用Dataset使用 Dataset 需要遵循三个步骤： 载入数据：为数据创建一个Dataset实例。 创建一个迭代器：...

参考: Module: tf.contrib.cudnn_rnn Module: tf.contrib.rnn更新: 2017.12.25 增加了tf.nn.embedding_lookup 来进行embedding的内容 2018.1.14 增加tf.sequence_mask和tf.boolean_mask 来对于序列的padding进行去除的...

参考: Module: tf.contrib.crf还有一些其他的函数可以到官方文档里面查看和使用.Ⅰ tf.contrib.crf.crf_log_likelihoodcrf_log_likelihood(inputs,tag_indices,sequence_lengths,transition_params=None)在一个条件随机场里面计算标签序列的log-l

tensorflow的卷积网络手写体识别

更新： 2018.5.4 补充模型保存和恢复的原理，补充了模型保存和恢复的一般流程 版本：tensorflow 1.8前面一直说的都是没有涉及到模型的保存.一般深度学习的训练是很需要时间的,不可能程序退出了然后又重新训练一次,所以训练好的模型需要保存下来,方便之后的再训练或者是把模型分享给别人都是可以的.模型的保存也可以叫做持久化,一个意思.接下来不啰嗦了,用一个简单的例子来说...

基本的神经网络的激活函数和分类的函数

基本的数学和概率函数

之前讲完变量常量等等基本量的操作，意味着最基本的东西都有了，然后接下来很重要的就是那些量和操作怎么组成更大的集合，怎么运行这个集合。这些就是计算图谱graph和Session的作用了。IV.Graphhttps://www.tensorflow.org/versions/r0.11/api_docs/python/framework.html#Graph 一个TensorFlow的运算，被表示为一

更新时间：2017.2.27 tensorflow 1.0出来了，API和以前有了一些不一样，所以这里把把之前的代码迁移到新的上面去。格式有问题，慢慢调….一.概览还记的上节TensorFlow学习（一）：感受一下 的hello word的例子吗？是不是出现了一些新的编程思路和一个函数类等等。我们学任何一门编程语言的时候，都会讲一些量的操作，因为这是基本。这节的主要任务就是熟悉最基本的一些量怎

更新：2017.2.27 因为tensorflow1.0出来了，很多不兼容，所以这部分更新了一下。以适应tensorflow1.0一.tensorflow背景背景直接不多说了，一般学习已经开始学习tensorflow的都应该都知道tensorflow的背景了。所以这里直接略过啦。二.安装在之前的博客里面有详细的tensorflow的安装和配置。相对caffe来说，还是比较简单的。不熟悉的看这里

MXnet的背景就不多说了，网上有很多，这里主要讲讲安装。 MXnet比起caffe来要简洁，简洁指的是依赖上，所以只需要安装很少的其他的库啊等等，配caffe的时候那种让人耐心爆炸的情况是不会出现的。废话少说，开始正题吧。 github：https://github.com/dmlc/mxnetCUDA8.0首先是cuda的安装，加速都靠它。参考之前这篇文章： 爆详细Ubuntu16.04,

Windows下面安装配置Caffe

一些基本运算

2017.2.21更新：更新内容： 删掉了Anaconda的部分，因为其实很多库自己用pip装一下就行了，Anaconda反而会牵扯到很多的依赖和配置文件的改变。既然ubuntu自带了python，就不用费力去装新的了。 tensorflow 1.0出来了，有了很多的改进，安装也变得更加的简单，所以，新的安装以1.0版本的最简单的安装方式为主。2017.11.21更