TensorFlow是一个开放源码的软件库，用于跨一系列任务的数据流处理编程。TensorFlow是一个符号化的数学应用库，广泛用于机器学习，例如神经网络。在谷歌公司内部，TensorFlow大量应用于基础研究和产品研发，几乎要取代了它的前身DistBelief（非开源项目）。
TensorFlow的前世和今生TensorFlow是一个开放源码的软件库，
转载
2024-03-23 07:49:47
27阅读
使用方法说明明确自己需要查的内容，比如说某个函数 tf.split 等，然后直接使用浏览器的查找功能进行查找。 Tensorflow2 基本操作字典1. 安装与相关资料1.1 安装1.2 第一个程序1.3 第二个程序1.4 GPU 的使用1.5 GPU 速度测试1.6 相关文档资料2. tensor 基础2.1 数据类型2.2 查看变量是不是 tensor2.3 转换为 tensor2.4 转换为
转载
2024-01-22 23:21:54
66阅读
**TensorFlow Tensor: 从入门到实践**
作为一名经验丰富的开发者，我很高兴能够帮助你掌握如何在TensorFlow中使用Tensor。TensorFlow是一个开源的机器学习框架，它的核心是张量（tensors），是一个多维数组。在这篇文章中，我将向你展示如何在TensorFlow中创建和操作张量。
### 整个流程
首先，让我们来看看整个流程是怎样的：
| 步骤 |
原创
2024-05-06 11:46:39
12阅读
TheanoTheano在深度学习框架中是祖师级的存在。Theano基于Python语言开发的，是一个擅长处理多维数组的库，这一点和numpy很像。当与其他深度学习库结合起来，它十分适合数据探索。它为执行深度学习中大规模神经网络算法的运算所设计。其实，它可以被更好的理解为一个数学表达式的编辑器：用符号式语言定义你想要的结果，该框架会对你的程序进行编译，来高效运行于GPU或CPU。它与后来出现的Te
Tensorflow中最基本的几个概念：计算图(tf.Graph)、张量(tf.Tensor)、会话(tf.Session)和优化方法(Optimizer)。我将从这几个方面简单说一下我的理解，对于文中出现的任何错误或者不准确的地方，欢迎大家批评指正！TensorFlow程序一般可分为两个阶段。第一阶段需要定义计算图中所有的计算，第二阶段为执行计算（会话部分）。计算图：计算图是TensorFlow
转载
2024-09-06 07:37:22
16阅读
本文介绍了tensorflow的常用函数，源自网上整理。 TensorFlow 将图形定义转换成分布式执行的操作, 以充分利用可用的计算资源(如 CPU 或 GPU。一般你不需要显式指定使用 CPU 还是 GPU, TensorFlow 能自动检测。如果检测到 GPU, TensorFlow 会尽可能地利用找到的第一个 GPU 来执行操作.并行计算能让代价大的算法计算加速执行，TensorFlo
转载
2024-03-21 11:27:49
84阅读
通过索引与切片操作可以提取张量的部分数据，使用频率非常高。 文章目录一、索引二、切片 一、索引TensorFlow 中，支持基本的[?][?] …标准索引方式，也支持通过逗号分隔索引号的索 引方式。 考虑输入X 为4 张32x32 大小的彩色图片(为了方便演示，大部分张量都使用随 即分布模拟产生，后文同)，shape 为[4,32,32,3]，首先创建张量：x = tf.random.normal
转载
2024-04-13 20:43:26
38阅读
# PyTorch遍历Tensor的指南
在深度学习中，集合操作和数据处理是非常重要的，尤其是在使用PyTorch这样的深度学习框架时。随着数据的规模越来越大，我们常常需要遍历Tensor。在这篇文章中，我将引导你完成如何在PyTorch中遍历Tensor的过程，包括我们需要关注的步骤及对应的代码示例。
## 步骤概览
| 步骤 | 说明
原创
2024-09-23 06:02:12
514阅读
TensorFlow中可以很容易地利用单个GPU加速深度学习模型的训练过程，但当需要利用更多的GPU或机器，需要了解如何并行化训练深度学习模型。常见的并行化深度学习模型的训练方式有两种，同步模式和异步模式。下文将对这两种模式展开介绍。在此之前，还需要回顾一下TensorFlow是如何对深度学习模型进行训练的。深度学习模型的训练是一个迭代过程，在每一轮迭代中，前向传播算法会根据当前参数的取值计算出在
转载
2024-02-22 16:54:13
39阅读
介绍TensorFlow中的并行主要分为模型并行和数据并行。 模型并行需要根据不同模型设计不同的并行方式， 其主要原理是将模型中不同计算节点放在不同硬件资源上运算。 比较通用的且能简便地实现大规模并行的方式是数据并行， 其思路我们在第1章讲解过， 是同时使用多个硬件资源来计算不同batch的数据的梯度， 然后汇总梯度进行全局的参数更新。数据并行又分为同步和异步，同步训练是指等所有GPU得到梯度后统
转载
2024-02-27 21:37:12
68阅读
一、模型的保存与载入方式（一）1、模型的保存使用下面这两行指令对训练的模型进行保存saver = tf.train.Saver() # 定义Saver用于保存模型 saver.save(sess,'models/my_model.ckpt') # 保存模型以简单的手写字符识别（MNIST）为例，训练一个一层的神经网络：import tensorflow as t
转载
2024-03-09 16:32:20
111阅读
OK，果然容易忘记。
好记性不如烂笔头啊好记性不如烂笔头啊好记性不如烂笔头啊
1.tensorflow中get_shape()改为Pytorch对应的函数
①tensor.get_shape()本身获取tensor的维度信息并以元组的形式返回，由于元组内容不可更改，故该函数常常跟.as_list()连用，返回一个tensor维度信息的列表，以供后续操作使用。
②Numpy 里，V.shape
转载
2023-08-14 14:54:59
174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
import tensorflow as tfcondition = tf.placeholder(tf.int32, name="condition")A = tf.constant(value=12
原创
2022-07-19 11:43:54
161阅读
首先大家看2 张图片 在0.8版本时候已经支持分布式了 ，所以未来的发展 方面 人工智能的趋势 不可挡，而且个人也是非常喜欢caffe 以及 tensorFlow 的我创业 用的就用到了它。 下面我们来讲一下 学习tensorFlow要了解的基础知识。 首先安装方面 很简单  
转载
2024-03-20 16:49:38
42阅读
tensor的创建方式很多，如： 1、from numpy, list 2、zeros, ones 3、fill 4、random 5、constant 6、Application 0、控制tensorflow不使用GPU及不输出那些莫名其妙的预警 1 import tensorflow as tf
原创
2021-07-22 11:02:24
225阅读
yourTensor.get_shape().as_list()
原创
2022-07-15 17:23:32
399阅读
https://www.tensorflow.org/versions/r0.12/api_docs/python/array_ops.html#concat 例子:
原创
2022-07-15 17:24:37
176阅读
TensorFlow是Google开发的第二代人工智能系统，于2015年11月宣布开源。故名思义，TensorFlow的要素为张量（Tensor）和流（Flow），他们分别是系统的数据结构和算法框架。TensorFlow的设计想法就是通过让N维向量在数据流图（Data Flow Graph）上的一个节点流到另一个节点的方式来完成计算。例如，我们现在要计算两个矩阵相乘。在TensorFlow的框架下
转载
2024-09-11 09:19:52
46阅读
Welcome To My Blog 获取Tensor维度比如一个Tensor为a = tf.constant([[1,2,],[3,4]],name='a'),有三种方式可以获取a的维度 1. a.shape 2. a.get_shape() 3. tf.shape(a) 前两种返回类型是TensorShape,代表静态shape,a.shape.a...
原创
2023-01-18 00:48:09
184阅读
