BboySummer

TensorFlow 入门学习最近开始学习TensorFlow,看到在github上tf持续升温。自己也努力修炼成一个tfboy吧。TensorFlow使用图来表示计算任务，使用tensor表示数据，在session中执行图，通过变量维护图的状态，使用feed和fetch 在图中赋值或者获取数据在我自己的理解，tensorflow本身是一个数据流图的形式，每个节点称为op(operat

英文电影评论的分类本实战主要练习如何对简单的文本进行分类，练习word2vector过程，并且简单搭建feed-forward结构。实战目标：对英文电影评论分类数据集 neg.txt：5331条负面电影评论(http://blog.topspeedsnail.com/wp-content/uploads/2016/11/neg.txt)pos.txt：5331条正面电影评论 (http://

1.手写识别案例Mnist手写图片识别是TensorFlow的经典案例。从from tensorflow.examples.tutorials.mnist import input_data,这里，mnist是一个轻量级的类。它以Numpy数组的形式存储着训练、校验和测试数据集。同时提供了一个函数，用于在迭代中获得minibatch，后面我们将会用到。2.重点概念阐述在实现使用卷积神经网络做mnis

前言本实战延续上一贴的内容，主要是学习文本数据分类过程，相比第一个实战练习，讲一下不同和优化过程。数据量增加，有160万条推特数据，我的小Air完全读不下这么多。大数据处理方面还有很多工作要去做。数据增大带来的是使用TFRecord去读取和处理数据，这样会极大的方便我们之后的队列处理过程。相比上一个实战过程，不在使用readline这种读取方法，利用pandas对原始数据进行处理，还是因为数据

BasicModel模型搭建前言在写TensorFlow实战的过程中，发现很多TensorFlow的函数，包括流程写的很不舒服，想了想，觉得还是基本功不够扎实。直接上手神经网络模型有时候会忽略本身模型之间的数学逻辑，导致写代码的时候总是写的巨丑又慢。所以这一章主要是回炉的过程，对每一个代码架构进行详细的阐述。BasicModel主要讲三个模型，线性模型，逻辑回归和最近邻模型。最邻近模型在最近邻模型中

前言关于循环神经网络的理论推导和证明，推荐去看论文。参考资料。https://colah.github.io/posts/2015-08-Understanding-LSTMs/https://r2rt.com/styles-of-truncated-backpropagation.html本章主要写循环神经网络RNN.基本的RNN，双向LSTM，动态LSTM。 训练集用MNIST，用作分类问

前面两个练习都是用TensorFlow Core写的，相对于数据流图的概念比较清晰。TensorFlow本身也封装了很多高层API，方面我们做开发方便。很多模型和函数都有（东西太多了完全看不完啊）。因为是封装后的模型，就不怎么逐步解释了。主要是process-fit-evaluate-predict过程。直接贴代码 本来是跟着书学习的，奈何现在的是API是1.1。0.6的教程有太多的不一样。下面贴的

图像预处理前言因为在做目标追踪方面，一直在matlab中写代码，不得不说改代码改的又复杂又难改，优化难做啊。就把图像预处理过程直接放到tensorflow中学习吧。TFRecord数据格式对于数据量较小而言，可能一般选择直接将数据加载进内存，然后再分batch输入网络进行训练（tip:使用这种方法时，结合yield 使用更为简洁,之前我一直用的这个方法）。 如果数据量较大，这样的方法就不适用了，因

模型保存tf.train.Saver()The Saver class adds ops to save and restore variables to and from checkpoints. It also provides convenience methods to run these ops.两个重要的函数。 一个是saver.save() 将某个session中的模型和参数都保存在