摘要： 1、基本索引 索引查找方式单一 1 a = tf.ones([1,5,5,3]) 2 print(a[0][0]) 3 print(a[0][0][0]) 4 print(a[0][0][0][2]) 输出： tf.Tensor( [[1. 1. 1.] [1. 1. 1.] [1. 1. 1.] 阅读全文

摘要： 1、从numpy 和list 创建 创建一个np矩阵，再通过转换，变成tensor a = np.ones([2,3]) print(a) b = tf.convert_to_tensor(a) print(b) #直接将列表转换为tensor a = tf.convert_to_tensor([1 阅读全文

摘要： 1、数据载体 ① list ： list中可以添加多种数据，[1，1.2，‘hello’，（1，2）]　② np.array：np数组主要用于解决同种数据的运算，不支持自动求导，不支持GPU运算　③ tf.Tensor： ▪ scalar: 1.1 ▪ vector: [1.1],[1.1,2.2, 阅读全文

摘要： pass 阅读全文

摘要： 1、图片组成 （1）如何对一张图片进行识别，输入特征值，输出目标值。 在计算机中，对于每一张图片，都是通过像素进行显示，每张图片由像素组成，每一个点的像素值不同。 在一张200x200的图片中： 黑白图片，单通道图片，每一个像素点只有一个值，即灰度值，范围0-255，所以共有200x200，即200 阅读全文

摘要： 1、文件读取流程，文件处理中有CSV文件，二进制文件，图片文件等格式。 假设有A，B，C，D文件，每个文件有100个样本 ① 构建一个文件队列 ② 将文件的路径+名字放入队列中 ③ 读取文件内容，默认读取一个文件 CSV文件：读取一行（每个文件是一行） 二进制文件：指定一个样本的Byes读取 图片文 阅读全文

摘要： 分析: 当数据量很大时，入队操作从硬盘中读取数据，放入内存中，主线程需要等待入队操作完成，才能进行训练。会话里可以运行多个.线程，实现异步读取。 1、队列管理器 API (1) tf.train.QueueRunner(queue, enqueue_ ops=None) 创建一个QueueRunne 阅读全文

摘要： 1、我们要处理的数据一般在文件（图片，文档等）当中，读取数据之后才能使用深度学习算法进行训练，tf提供了多种数据的读取方式。 CSV文件读取 图片读取 二进制文件读取 tfrecords文件读取 2、在计算需要快速进行的时候，如何提高I/O的速度？（即如何解决I/O和计算不平衡的问题） 在训练的过程 阅读全文

摘要： 1、增加损失值等变量的显示。目的：添加权重参数,损失值等后，在tensorboard观察变化的情况 （1）收集变量 （代码直接写在会话之前） ● tf.summary.scalar(name=",tensor) 收集对于损失函数和准确率等单值变量,name为变量的名字，tensor为值 ● tf.s 阅读全文

摘要： (1) 训练参数问题：trainable参数限制在优化的过程中是否变化，Ture表示变化，False表示不改变 weights = tf.Variable(tf.random_normal([1,1],mean=0.0, stddev=1.0), name="w", trainable=True) 阅读全文