上一页 1 ··· 27 28 29 30 31 32 33 34 35 ··· 72 下一页

2020年3月23日

tf.stack() /tf.unstack()

摘要: tf.stack函数 tf.stack( values, axis=0,(default) name='stack' ) 将 values 中的张量列表打包成一个张量,该张量比 values 中的每个张量都高一个秩,通过沿 axis 维度打包。给定一个形状为(A, B, C)的张量的长度 N 的列表 阅读全文

posted @ 2020-03-23 19:17 cltt 阅读(444) 评论(0) 推荐(0) 编辑

什么是tensor

摘要: 1、概念: Tensorflow里最基本的数据结构就是Tensor。张量是多维数组的泛概念。张量概念包括标量、向量和线性算子。 “在同构的意义下,第零阶张量 (r = 0) 为标量 (Scalar),第一阶张量 (r = 1) 为向量 (Vector), 第二阶张量 (r = 2) 则成为矩阵 (M 阅读全文

posted @ 2020-03-23 19:01 cltt 阅读(1069) 评论(0) 推荐(0) 编辑

tf.size()函数

摘要: 函数功能个:返回张量的大小.此函数返回一个表示input中的元素数的整数. 函数原型 size(input, name=None, out_type=tf.int32) import tensorflow as tf t = tf.constant([[[1, 1, 1], [2, 2, 2]], 阅读全文

posted @ 2020-03-23 14:31 cltt 阅读(619) 评论(0) 推荐(0) 编辑

tf.nn.l2_loss()的用法

摘要: l2_loss()这个函数的作用是利用L2范数来计算张量的误差值,但是没有开发并且只取L2范数的值的一半 函数: tf.nn.l2_loss( t, name=None ) 参数: t:一个张量(tensor),类型可以为:half, bfloat16, float32, float64 name: 阅读全文

posted @ 2020-03-23 14:29 cltt 阅读(967) 评论(0) 推荐(0) 编辑

2020年3月22日

CNN中的卷积

摘要: 1、什么是卷积:图像中不同数据窗口的数据和卷积核(一个滤波矩阵)作内积的操作叫做卷积。其计算过程又称为滤波(filter),本质是提取图像不同频段的特征。 2、什么是卷积核:也称为滤波器filter,带着一组固定权重的神经元,通常是n*m二维的矩阵,n和m也是神经元的感受野。n*m 矩阵中存的是对感 阅读全文

posted @ 2020-03-22 23:40 cltt 阅读(489) 评论(0) 推荐(0) 编辑

tf.reverse()

摘要: 一 函数原型tf.reverse( tensor, axis, name=None) 参数: tensor:需要进行反转的张量,类型必须为其中的一个uint8, int8, uint16, int16, int32, int64, bool, bfloat16, half, float32, flo 阅读全文

posted @ 2020-03-22 18:37 cltt 阅读(466) 评论(0) 推荐(0) 编辑

2020年3月21日

python OS库

摘要: os.walk函数的用法 (遍历文件夹下文件并获得路径) 我们在使用python时时常会遇到调用某些文件的需求,这时我们就需要得到这些文件的路径。python强大的自带os模块使得获得路径变得很容易。 下面介绍如何使用os.walk函数来遍历文件夹及子文件夹下所有文件并得到路径。 os.walk的完 阅读全文

posted @ 2020-03-21 14:10 cltt 阅读(304) 评论(0) 推荐(0) 编辑

文件后缀名改变

摘要: 1. 勾选文件扩展名 2.修改文件后缀即可 阅读全文

posted @ 2020-03-21 13:56 cltt 阅读(244) 评论(0) 推荐(0) 编辑

TFRecord文件

摘要: 对于数据进行统一的管理是很有必要的.TFRecord就是对于输入数据做统一管理的格式.加上一些多线程的处理方式,使得在训练期间对于数据管理把控的效率和舒适度都好于暴力的方法.小的任务什么方法差别不大,但是对于大的任务,使用统一格式管理的好处就非常显著了.因此,TFRecord的使用方法很有必要熟悉. 阅读全文

posted @ 2020-03-21 13:46 cltt 阅读(249) 评论(0) 推荐(0) 编辑

TF flags的简介

摘要: 1、flags可以帮助我们通过命令行来动态的更改代码中的参数。Tensorflow 使用flags定义命令行参数的方法。ML的模型中有大量需要tuning的超参数,所以此方法,迎合了需要一种灵活的方式对代码某些参数进行调整的需求 (1)、比如,在这个py文件中,首先定义了一些参数,然后将参数统一保存 阅读全文

posted @ 2020-03-21 13:16 cltt 阅读(831) 评论(0) 推荐(0) 编辑

上一页 1 ··· 27 28 29 30 31 32 33 34 35 ··· 72 下一页

导航