随笔分类 - TensorFlow使用
tensorflow零起点快速入门(7)，截图整理
摘要：tf.gradients tf.stop_gradient np.ravel tf.distrbution.prob/sample 获取对应位置的概率值 python的Queue tf.sequeeze tf.one_hot tf.one_hot的必要性在于：one_hot方式，去掉了标签的顺序影响
tensorflow零起点快速入门(6) --np与tf
摘要：numpy.random.uniform np.random.rand tf.assign赋值 namedtuple字典索引 tf的global_ variables_ initializer shuffle数组打乱 python的argparse作用 @property装饰器将方法可变成属性调用
tensorflow零起点快速入门(5) --强化学习摘录截图（tf与np）
摘要：tf.random_normal_initializer tf的GraphKeys用法 tf.reduce_mean tf.squared_difference 非tf中的zip，python的zip用法 非tf中的hstack，numpy的hstack用法 非tf中的newaxis，numpy的n
tensorflow零起点快速入门(4) --入门常用API
摘要：tf.reduce_mean https://blog.csdn.net/he_min/article/details/78694383 计算均值，全部数字的均值，纵向一维的均值，横向一维的均值 tf.squared_difference 计算差平方 https://www.cnblogs.com/
tensorflow零起点快速入门(3)
摘要：创造并运行数据 创造了-3到3的32条数据，然后通过sess.run获取并显示输出数据。 x=tf.linspace(-3.0,3.0,32) print(x) sess=tf.Session() result=sess.run(x) print(result) 运行数据的另一种方法是使用eval(
tensorflow零起点快速入门(2)
摘要：指定设备与矩阵乘法 使用tf.device("/gpu:0")用于指定设备进行运算。 在使用jupyter notebook的时候，可能会出现使用异常，需要使用config=tf.ConfigProto(allow_soft_placement=True)来处理。 该运行结果为12。属于叉乘。点乘使
tensorflow零起点快速入门(1)
摘要：导入： 其中的TF_CPP_MIN_LOG_LEVEL据说是为了忽略警告，但是我这里没有意义（numpy的一些警告） import tensorflow as tf import os os.environ["TF_CPP_MIN_LOG_LEVEL"]='3' 常量字符串运算： 其中，log_de
TensorFlow实现的激活函数可视化
摘要：书上的代码： 1 # coding: utf-8 2 3 # In[1]: 4 5 import matplotlib.pyplot as plt 6 import numpy as np 7 import tensorflow as tf 8 from pylab import * 9 10 11
tensorflow下识别手写数字基于MLP网络
摘要：1 # coding: utf-8 2 3 # In[1]: 4 5 import tensorflow as tf 6 import tensorflow.examples.tutorials.mnist.input_data as input_data 7 8 9 # In[2]: 10 11
使用tensorflow下的GPU加速神经网络训练过程
摘要：下载CUDA8.0，安装 下载cuDNN v5.1安装。放置环境变量等。 其他版本就不装了。不用找其他版本的关系。 使用tensorflow-gpu1.0版本。 使用keras2.0版本。 有提示的。 有时候可能需要分配使用空间自动增长： config = tf.ConfigProto() conf
