绍深度学习后面的数学概念已经存在10多年，但是深度学习框架是最近几年才出来的。现在大量的框架在灵活性上和便于工业界使用上做了权衡，灵活性对于科研非常重要，但是对于工业界太慢了，但是换句话说，足够快，能够用于分布式的框架只适用于特别的网络结构，这对科研又不够灵活。这留给了使用者一个矛盾的境地：我们是否应该尝试用没有那么灵活的框架做科研，这样当应用于工业界的时候，我们不必再重新用另外一个框架复现代码；或...
训练神经网络模型之前，需要先获取训练数据集和测试数据集，本文介绍的获取数据集（get_data_train_test）的方法包括以下步骤： 1 在数据集文件夹中，不同类别图像分别放在以各自类别名称命名的文件夹中； 2 获取所有图像路径以及分类； 3 将分类转为字典格式； 4 将所有图像路径打乱； 5 将所有图像路径切分为训练部分和测试部分； 6 获取x部分 6.1 获取图像； 6.2 图像尺寸调整； 6.3 图像降维； 6.4 图像像素值取反； 6.5 图像像...
很多时候在运行python代码的时候我们需要从外部定义参数，从而避免每次都需要改动代码。所以一般我们都会使用 argparse 这个库。其实TensorFlow也提供了这个功能，那就是 tf.app.flags 。 使用方法很简单 tf.app.flags.DEFINE_boolean("param_name", "default_val", "description")上面给出的是定义一个bool变量，第一个参数是指参数名，第二个是默认值，第三个是对该变量的描述，如果不想描述可以直接用 ""。 除了bool类，我们还可...
I optimizer.minimize(loss, var_list) 我们都知道，TensorFlow为我们提供了丰富的优化函数，例如GradientDescentOptimizer。这个方法会自动根据loss计算对应variable的导数。示例如下： loss = ... opt = tf.tf.train.GradientDescentOptimizer(learning_rate=0.1) train_op = opt.minimize(loss) init = tf.initialize_all_variables()with tf.Seesion() as sess:sess.run(init)for step in range(10): session.run(train_op)首...
以下这些函数可以用于解决梯度消失或梯度爆炸问题上。1. tf.clip_by_value tf.clip_by_value(t,clip_value_min,clip_value_max,name=None )Returns:A clipped Tensor. 输入一个张量t，把t中的每一个元素的值都压缩在clip_value_min和clip_value_max之间。小于min的让它等于min，大于max的元素的值等于max。 例子： import tensorflow as tf; import numpy as np;A = np.array([[1,1,2,4], [3,4,8,5]])with tf.Session() as sess:pr...
Python的安装与使用 教程很多，Anaconda下载地址是(https://www.continuum.io/downloads/)，其中集成了Python3.6 若要单独下载PyCharm，还需单独下载python3.6 遇到的问题 安装完PyCharm后点击Create New Project，出现该种情况原因是没有下载python，pycharm只是一个编译器，重新下载好python后即可使用
3.1 初实计算图与张量 1.tensorflow程序中的计算过程可以表示为一个计算图，或有向图。 3.2 计算图-tensorflow的计算模型 1.在tensorflow1.x中使用计算图 import tensorflow as tf a=tf.constant([1.0,2.0],name="a") b=tf.constant([3.0,4.0],name="b") result=a+b print(a.graph is tf.get_default_graph()) print(b.graph is tf.get_default_graph())2.tensorflow会维护一个默认的计算图，并将定义的所有计算添加到默认的计算图...