zyr_freedom的博客

import tensorflow as tfwith tf.name_scope('graph') as scope: matrix1 = tf.constant([[3., 3.]],name ='matrix1') #1 row by 2 column matrix2 = tf.constant([[2.],[2.]],name ='matrix2') # 2 row...

1.np，tensor互相转换要对tensor进行操作，需要先启动一个Session,否则，我们无法对一个tensor比如一个tensor常量重新赋值或是做一些判断操作，所以如果将它转化为numpy数组就好处理了。这里以一副图像为例：2.python增加矩阵维度我们是可以看到从0轴 或者从1轴进行拓展的结果是不一样的。3.张量的维度介绍：n阶张量则有n个[ ]了。...

1.上面这张图解释了我很久的困惑，就是下面这个图和最早学习深度学习是看到的那些结点结构的图，比如最早输入224*224*3的照片，接下来经过64个卷积核（卷积核为3个3*3的）的两次卷积，，这样明显就是向前慢慢扩展了。那些结点连线是最早便于介绍神经网络是一维的时候就很好理解了。但是现在这样写法，因为卷积其实也就是在进行权重加和，一个3*3的卷积核加到图片上去不就是相当于那对应位置...

这两天在coding中发现要设计的深度学习网络模块需要权值共享，已经记录了纸质笔记，这里在博客上也记录一下吧，其实最常见的权值共享就是GAN网络了，因为generate data 和那个real data都需要经过discriminator进行训练，意味着共享一套变量信息。用到的就是tf.variable_scope(‘scope_name’)来完成的。with tf.variable_sc...