11 2019 档案
摘要：进行迁移学习时，加载完别人的模型，想要进行一些微调，就需要想办法获取到该网络中某些张良的名称，尤其是输入和输出。 with tf.Session() as sess: #此处加载模型 tensor_name_list = [tensor.name for tensor in tf.get_defau
阅读全文
摘要：一、.ckpt文件的保存和加载 1、保存的文件 这是我保存的文件，保存一次有四个文件： checkpoint文件：用于告知某些TF函数，这是最新的检查点文件（可以用记事本打开看一下） .data文件：（后面缀的那一串我也布吉岛是啥）这个文件保存的是图中所有变量的值，没有结构。 .index文件：可能
阅读全文
摘要：在搭建网络模型时通常要建立一个评估模型正确率的节点（evaluation_step） 这里介绍一个对于分类问题可以用的评估方法： 代码： correct_prediction = tf.equal(tf.argmax(logits, 1), tf.argmax(groundtruth_input,
阅读全文
摘要：训练神经网络模型时通常要设置学习率learning_rate，可以直接将其设置为一个常数（通常设置0.01左右），但是用产生过户学习率会使参数的更新过程显得很僵硬，不能很好的符合训练的需要（到后期参数仅需要很小变化时，学习率的值还是原来的值，会造成无法收敛，甚至越来越差的情况），过大无法收敛，过小训
阅读全文
摘要：在分类问题中，交叉熵是经常选用的损失函数（loss） 关于交叉熵的详细解释请看这篇博客：https://blog.csdn.net/tsyccnh/article/details/79163834 在单分类问题中（即one-hot问题），通常使用tf.nn.softmax_cross_entropy
阅读全文
