TensorFlow 是由 Google Brain 团队为深度神经网络（DNN）开发的功能强大的开源软件库，其允许将深度神经网络的计算部署到任意数量的 CPU 或 GPU 的服务器、PC 或移动设备上，且只利用一个 TensorFlow API。包括 TensorFlow 在内的大多数深度学习库能够自动求导、开源、支持多种 CPU/GPU、拥有预训练模型，并支持常用的NN架构，如递归神经网络（R
转载
2024-02-26 22:08:30
72阅读
TensorFlow 中维护的集合列表 在一个计算图中，可以通过集合( )来管理不同类别的资源。比如通过 函数可以将资源加入一个或多个集合中，然后通过 获取一个集合里面的所有资源(如张量，变量，或者运行TensorFlow程序所需的队列资源等等)。比如，通过 获得总损失。 |集合名称|集合内容|使用
原创
2021-08-27 09:59:10
313阅读
TensorFlow基本概念与常用函数 文章目录TensorFlow基本概念与常用函数一：张量(一)：张量概念(二)：TensorFlow中的数据类型(三)：创建张量1、利用tf.constant()2、利用tf.convert_to_tensor()3、通过不同的函数来创建不同值的张量4、采用不同的函数创建符合不同分布的张量二：常用函数(一)：强制转换(二)：张量维度上的最值(三)：理解axis
转载
2024-04-04 19:14:49
69阅读
import tensorflow as tfa = tf.constant([[1, 2, 3], [4, 5, 6]])# 类型转换x = tf.cast(a, tf.int64)print(x)# 最小值y1 = tf.reduce_min(a, axis=0)print(y1)y2 = tf.reduce_min(a, axis=1)print(y2)# 最
原创
2022-05-08 15:27:37
157阅读
文章目录常用函数常用函数tf.gather(params,indices,axis=0) 从params的axis维根据indices的
原创
2022-12-03 00:00:37
67阅读
文章目录1、自动求导 *gradient*2、Tensor2.1 数据类型2.2 *tensor* 属性2.3 类型转换3、*Tensor* 创建4、索引和切片4.1 索引选择相关函数4.2 维度变换4.3 维度拓展4.4 维度压缩5、合并与分割5.1 合并5.2 分割6、数据统计6.1 范数6.2 最值|均值6.3 比较是否相等7、张量排序8、数据的填充与复制9、张量限幅 本人也是小菜，记录
转载
2024-04-01 02:09:45
44阅读
1.tf.multiply（）两个矩阵中对应元素各自相乘2.tf.matmul（）将矩阵a乘以矩阵b，生成a * b3.tf.Variable：主要在于一些可训练变量（trainable variables），比如模型的权重（weights，W）或者偏执值（bias）； 声明时，必须提供初始值； 名称的真实含义，在于变量，也即在真实训练时，其值是会改变的，自然事先需要指定初始值；weights =
转载
2024-03-28 22:43:15
75阅读
tensorflow常用函数操作组操作MathsAdd, Sub, Mul, Div, Exp, Log, Greater, Less, EqualArrayConcat, Slice, Split, Constant, Rank, Shape, ShuffleMatrixMatMul, MatrixInverse, MatrixDeterminantNeuronal NetworkSoftMax
转载
2024-03-15 12:40:42
39阅读
命令式编程与声明式编程 命令式编程(imperative programming)：每个语句都按原来的意思执行，可以精确控制行为。通常可以无缝的和主语言交互，方便的利用主语言的各类算法，工具包，bug和性能调试器。缺点是实现统一的辅助函数困和提供整体优化都很困难。比如numpy和Torch。 声明式语言(declarative programing)：用户只需要声明要做什么，而具体执
转载
2024-05-28 14:55:14
116阅读
同的张量。返回值： x * y ele...
原创
2021-07-29 13:43:55
282阅读
卷积函数（1）计算N维卷积的和tf.nn.convolution(input, filter, padding, strides=None, dilation_rate=None,name=None,data_format=None)（2）对一个四维的输入数据input和卷积核filter进行操作，然后对输入数据进行一个二维的卷积操作，最后得到卷积之后的结果。tf.nn.conv2d(in...
原创
2023-02-21 16:36:45
261阅读
损失降低方法损失降低方法迭代方法梯度下降方法学习速率优化随机速率随机梯度下降方法 损失降低方法Reducing loss 主要有几种常用的方法：迭代法梯度下降法学习速率优化随机速率随机梯度下降方法迭代方法迭代方法就是将模型预测值与实际值之间的误差值反馈给模型，让模型不断改进，误差值会越来越小，即模型预测的会越来越精确。就是一个不断尝试的过程梯度下降方法一种快速找到损失函数收敛点的方法。回归问题所
转载
2024-04-22 10:43:22
52阅读
1.为模型的参数命名，以及参数在不同的命名空间下 with tf.name_scope('str') as scope: ....... 再次范围下的所有模型的参数名都会带有该str前缀 TensorFlow中的每一个op操作都成为一个节点，同样，主要op都会有一个名字，这个节点里面的tensor就
池化函数在神经网络中，池化函数一般跟在卷积函数的下一层，池化操作是利用一个矩阵窗口在张量上进行扫描，将每个矩阵窗口中的值通过最大值或者平均值来减少元素的个数，每个池化操作的矩阵窗口大小是由ksize指定的，并且根据步长strides决定移动步长。（1）计算池化区域中元素的平均值tf.nn.avg_pool(value, ksize, strides, padding, data_format...
原创
2023-02-21 16:36:59
124阅读
目录占位符：tf.placeholder函数构建图形：tf.name_scope函数tf.variable_scope函数tf.constant函数随机值函数：tf.random_uniform函数tf.transpose函数tf.nn.embedding_lookup函数rnn.LSTMStateTuple张量变换函数：tf.sequence_maskLINK占位符：tf.placeholder
转载
2024-03-21 10:35:44
51阅读
tf.train.ExponentialMovingAverage(decay, steps)tf.train.ExponentialMovingAverage这个函数用于更新参数，就是采用滑动平均的方法更新参数。这个函数初始化需要提供一个衰减速率（decay），用于控制模型的更新速度。
原创
2021-07-11 17:09:48
132阅读
摘要：本系列主要对tf的一些常用概念与方法进行描述。本文主要针对tensorflow的数据IO、图的运行等相关函数进行讲解。为‘Tensorflow一些常用基本概念与函数’系列之三。1、序言本文所讲的内容主要为以下相关函数：操作组操作Data IO (Python functions)TFRecordWrite，rtf_record_iteratorRunning GraphsSession ma
文章目录重要概念从可视化开始来个栗子总结参考文献 重要概念首先，了解一下tensorflow中的一些基础的概念：0 tensorflow是一种符号式编程，特点是，网络结构的构建与运行完全分离。1 会话，它是定义图的基础，建立实例sess =tf.Session()后，会生成一张空图，为了实现特定的功能，需要在空图上定义节点与边。2 图，它是tensorlfow的一大特色，实际使用过程中，可以在图
转载
2024-03-26 05:06:40
79阅读
TensorFlow 是一个流行的机器学习框架，常用于构建、训练和部署深度学习模型。以下是一些常用的 TensorFlow 语句：导入 TensorFlow 库：import tensorflow as tf定义常量张量：tensor = tf.constant(value)创建变量：variable = tf.Variable(initial_value)构建模型：model = tf.kera
原创
2024-06-07 10:48:04
123阅读
每个神经元都必须有激活函数。它们为神经元提供了模拟复杂非线性数据集所必需的非线性特性。该函数取所有输入的加权和，进而生成一个输出信号。你可以把它看作输入和输出之间的转换。使用适当的激活函数，可以将输出值限定在一个定义的范围内。如果 xi 是第 j 个输入，Wj 是连接第 j 个输入到神经元的权重，b
转载
2020-06-08 17:38:00
96阅读
2评论
