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
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
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
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
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
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
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
本系列为tensorflow官方教程与文档学习笔记，结合个人理解提取其中的关键内容，便于日后复习。张量张量和高维数组是等价的，tensorflow有丰富的API用以生产和消费张量数据。与Numpy类型的数组不同的是，Tensors具备两个特点：Tensors可以通过GPU和TPU进行计算加速Tensors是不可变的（immutable）1.1 张量的生成1.1.1 通过numpy和list生成通过
转载
2024-04-07 10:39:30
147阅读
1、Tensor数据类型（1）数据类型numpy与TensorFlow较为相似，同为科学计算库是数据的载体，numpy用于科学运算但不能灵活地支持GPU运算、不支持自动求导，TensorFlow的GPU支持与自动求导功能使它更适合神经网络计算。1）list：[整型，浮点型，”字符串类型”,layers对象]，list数据类型可存储复杂多样的数据，在内存的存储方式类似链式存储而非连续存储。2）np.
转载
2024-06-25 22:13:35
151阅读
今天这篇是numpy专题的第四篇文章，numpy中的数组重塑与三元表达式。首先我们来看数组重塑，所谓的重塑本质上就是改变数组的shape。在保证数组当中所有元素不变的前提下，变更数组形状的操作。比如常用的操作主要有两个，一个是转置，另外一个是reshape。转置与reshape转置操作很简单，它对应线性代数当中的转置矩阵这个概念，也就是说它的功能就是将一个矩阵进行转置。转置矩阵的定义
转载
2023-10-07 17:39:05
208阅读
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
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
1， Ndarray 的转置转置有三种方式，transpose方法、T属性以及swapaxes方法。1, .T,适用于一、二维数组In [1]: import numpy as np
In [2]: arr = np.arange(20).reshape(4,5)#生成一个4行5列的数组
In [3]: arr
Out[3]:
array([[ 0, 1, 2, 3, 4],
转载
2023-10-17 13:37:13
583阅读
numpy列表转换为矩阵、显示维度大小import numpy as np
array = np.array([[1,2,3],[4,5,6]])
print(array)
#维度
print('number of dim:',array.ndim)
print('shape:',array.shape)
print('size:',array.size)创建不同的array定义格式#定义为int
转载
2023-12-01 21:52:39
43阅读
这一节继续学习Numpy和Pandas。
一、numpy基础运算二通过上一节的学习，我们可以了解到一部分矩阵中元素的计算和查找操作。然而在日常使用中，对应元素的索引也是非常重要的。依然，让我们先从一个脚本开始 ：# -*- coding:utf-8 -*-
"""
@author: Corwien
@file: np_yunsuan.py
@time: 18/8/26 23:37
"
转载
2024-07-05 20:47:03
66阅读
tensorflow使用（转）https://github.com/wizardforcel/data-science-notebook/tree/master/tf/learning-tf-zh一、基础变量TensorFlow 是一种表示计算的方式，直到请求时才实际执行。 从这个意义上讲，它是一种延迟计算形式，它能够极大改善代码的运行：更快地计算复杂变量跨多个系统的分布式计算，包括 GPU。减少
'我是分割线'+'-'*20)
原创
2023-01-16 07:54:26
156阅读
文章目录前言一、下载anaconda二、打开Anaconda Powershell prompt三、创建虚拟环境四、激活环境五、安装tensorflow六、安装keras七、安装编辑器八、安装完成九、致歉 前言本文展示了在windows环境下安装虚拟环境以及安装tensorflow和keras，供大家参考一、下载anaconda下载地址：anaconda官网 拉到最下面选择合适自己系统的安装 可
转载
2024-04-02 08:55:53
344阅读
