tensorflow基本操作tensorflow常见属性：每个变量都有一个device的属性，可以在创建的时候设定是在cpu上运行还是在gpu上运行；tensor和numpy可以互相转换with tf.device("cpu"):
a = tf.constant(1) # 在cpu上
with tf.device("gpu"):
b = tf.constant(1) # 在gpu
1 Numpy运算速度上的优势在这里我们通过一段带运行来体会到Numpy的好处import random
import time
import numpy as np
a = []
for i in range(100000000):
a.append(random.random())
t1 = time.time()
sum1=sum(a)
t2=time.time()
b=np.ar
转载
2024-07-21 09:19:38
103阅读
鉴于tensorflow目前正在更新2.0版本，博主对博客也新增了适用于2.0版本动态度转换方法，更新于 --2019//09//29图1 numpy 图2 tensorflow - 问题描述在我们使用TensorFlow进行深度学习训练时，很多时候都是与Numpy数据打招呼，例如我们csv或者照片数据等。 但是我们都知道，TensorFlow训练时都是使用Tensor来存储变量的，并且网络输出的
转载
2024-04-25 18:38:35
33阅读
1. 将 numpy 下的多维数组（ndarray）转化为 tensor
a = np.zeros((3, 3))
ta = tf.convert_to_tensor(a)
with tf.Session() as sess:
print(sess.run(ta))
2. 求均值
对于一个 numpy 下的多维数组，求均值：correct.mean()
如果是 tensorflo
转载
2017-03-15 12:36:00
259阅读
2评论
有这么一个段子:
深度学习论文有一半不公开源代码,另外公开源代码的一半复现不了,鬼知道作者怎么把结果搞得这么牛逼的.
其中一个原因就是深度学习使用了大量的随机数,就我一般使用的Python+TensorFlow环境而言,Python的随机性来自于numpy,而TensorFlow在初始化参数的时候也是使用了随机数的,当我们复现时,如果随机数都不一样,那么得到的结果是否和作者相同就依赖于这
numpy_input_fn 以及队列性质该函数的作用是从numpy的输入数据中，产生读取的featrues和labels数据。这样当我们在使用numpy的数据作为输入的时候就很方便。对于所有的input来说，都是要建立队列来进行读入，所以对于队列的处理就会比较麻烦，而numpy_input的数据将这些对队列的输入封装在一起方便了我们使用.import tensorflow as tf
impor
转载
2024-07-23 15:12:27
362阅读
import numpy as npimport tensorflow as tfa = np.array([ [1,2,3], [4,5,6], [7,8,9]])#矩阵 a[:] 于a[:,]区别print(a[:1]) #按照行输出print(a[:,1]) #输出第二列print(a[:2])''' For example:...
原创
2023-02-06 16:42:27
62阅读
ATI NVIDIA CUDA opencl directCompute
原创
2021-12-23 15:36:43
137阅读
传说中的Tensorflow终于支持windows了,下面介绍一下Win10下Tensorflow的安装与使用 准备工作： 1.python3.5(64位）目前Tensorflow只支持64位python3.5以上版本 下载链接： https://www.python.org/ftp/python/3.5.3/python-3.5.3rc1-amd64.exe 2.安装numpy python3
文章目录tensorflow2.0学习记录多维数组创建Numpy数组创建数组数组的属性创建特殊的数组数组运算数组间的运算数组元素间的运算数组的堆叠矩阵和随机数矩阵的运算随机数感谢观看 多维数组纸上的一个点、一条线是一维空间的物体，由无数条线组合成的一张理想的不计厚度的纸属于二维空间的物体，我们人类所处的世界是三维空间…在python中，我们可以用数组来对不同维度的事物进行描述。 通常在机器学习中
在前面我们测试过一个例子，这个例子不知道你是否还记得它的内容，如果没有记得也没有关系，现在到我们去研究这个例子的时候了，它的前两行是这样写的：1. import tensorflow as tf
2. import numpy as np如果你的python还是不懂，强烈建议先学习一下 课程，这样会跟上我们的进度的。在这两行代码里，第一行代码就是导入（import）顶顶大名的tensorflo
TensorFlow 2.0终于来了！ 今天凌晨，谷歌在加州举办TensorFlow开发者峰会（TensorFlow Dev Summit），正式发布2.0版本。 这场发布会有几大亮点： TensorFlow 2.0 Alpha版发布，用户现在可以抢先体验；2.0版本具有简易性、更清晰、扩展性三大特征，大大简化API；提高了Tenso
Tensorflow 1.2 tensorflow里面的tensor在tensorflow 里面，所有的数据都是以张量tensor的形式存在的。张量其实就是n维矩阵的抽象。一维的张量是向量，二维的张量是矩阵。tensorflow的数据类型tensorflow 可接受python自带的数据类型Tensorflow可以接受python数值，布尔值，字符串或由它们构成的列表。单个数值将被转化为标量，数值
转载
2024-07-09 00:00:47
26阅读
Tensor 数据类型在介绍 Tensor 数据之前，先介绍两种 Python 常用的数据结构，并解释，为什么做深度学习不用这些数据结构，而是要用 Tensor。List ： Python中最常用的数据结构，以 [ ] 括起来，如 [1, 1.1, ‘hello’, ‘(1,2)’, layers] ，缺点是储存图片占用内存非常大，读写图片数据效率低。np.array ： 存成一个静态
文章目录一、Windows10安装Tensorflow1.1 安装Anoconda1.2 创建Tensorflow环境1.2 安装GPU版本的依赖(CPU版本的不需要)1.3 安装Tensorflow二、在jupyter虚拟环境中使用tensorflow的虚拟环境三、总结 一、Windows10安装Tensorflow· 这个学期要忙着毕业了，于是准备用tensorflow来实现一个Faste
一、常量的定义 必须通过session来操作对象 二、tensorflow运行实质 tensorflow运算实质是由 tensor + 计算图 tensor 数据 op operation 赋值，运算 graphs 数据操作的过程 session 是执行的核心 四则运算： 运行结果： 3、矩阵 pl
原创
2021-09-01 09:56:17
177阅读
import tensorflow as tf
import numpy as np
tf.__version__'2.3.0'1. 自动求梯度简介在深度学习中，我们经常需要对函数求梯度（gradient）。本节将介绍如何使用tensorflow2.0提供的GradientTape来自动求梯度。 GradientTape 可以理解为“梯度流 记录磁带”：在记录阶段：记录被 GradientTape
转载
2024-04-16 14:21:54
76阅读
Numpy基础数组基础在学习tensorflow之前我们先要了解一些numpy的使用方法，因为在tensorflow使用中初期的数据一般都是由numpy来处理的。
首先我们要知道numpy主要是用来进行高维数组运算的，其实我们使用python的内置list列表数据类型，也可以自己完成这些操作，但缺点也特别的明显，一个就是编码比较复杂，完成一个简单的功能需要编写较多的代码，而用numpy可能就是一句
转载
2023-11-17 10:45:48
225阅读
Sonnet是基于TensorFlow的一个库，可用于方便地构建复杂的神经网络，git地址为：https://github.com/deepmind/sonnet1.Sonnet简介sonnet采用了面向对象，中心思想是首先构造神经网络局部的python对象，然后将这些对象独立地连接到TensorFlow的计算图中。这里的python对象就是“模块”（Module），sonnet可以用输入张量为参
转载
2024-04-27 13:55:03
13阅读
一、numpy numpy是python数据分析和机器学习的基础模块之一。它有两个作用：1.区别于list列表，提供了数组操作、数组运算、以及统计分布和简单的数学模型；2.计算速度快[甚至要由于python内置的简单运算]，使得其成为pandas、sklearn等模块的依赖包。高级的框架如TensorFlow、PyTorch等，其数组操作也和numpy非常相似。 1、随机数生成 常用的生
转载
2023-06-16 04:23:35
626阅读
