一、TensorFlow的概念 TensorFlow = Tensor + Flow Tensor：张量 ；Flow：流 数据结构：多维数组 TensorFlow就是张量从流图的一端流动到另一端的过程，是一个通过
计算图
的形式表述计
算的编程系统，每一个计算都是计算图上的一个节点，节点之间的边描述了计算之间的关系。 二、计算图（数据流图）的概念计算图是一个有向图，由以
转载
2024-04-10 21:08:00
22阅读
1.tensorflow的概念 TensorFlow=Tensor + Flow Tensor（张量）数据结构：多维数组 Flow（流）计算模型：张量之间通过计算而转换的过程 TensorFlow是一个通过计算图的形式表述计算的编程系统，每一个计算都是计算图上的一个节点，节点之间的边描述了计算之间的关系2.计算图（数据流图）的概念 计算图是一个有向图，由以下内容构成：一组节点，每个节点都代表一个操
转载
2024-04-07 08:47:52
37阅读
TensorFlow计算模型——计算图计算图的概念TensorFlow的名字中已经说明了最重要的两个概念——Tensor(张量)和Flow(流)。TensorFlow是通过一个计算图的形式来表达计算的编程系统。TensorFlow中的每一个计算都是计算图上的一个节点，节点之间的边描述了计算之间的依赖关系。如果一个运算的输入依赖于另一个运算的输出，那么两个运算有依赖关系。下图中，a和b两个常量不依赖
转载
2024-05-13 03:20:46
43阅读
本文是在GPU版本的Tensorflow = 2.6.2 , 英伟达显卡驱动CUDA版本 =11.6，Python版本 = 3.6, 显卡为3060的环境下进行验证实验的！！！ 文章目录一、sigmoid函数1.激活函数曲线2.激活函数形式二、Tanh函数1.激活函数曲线2.激活函数形式二、Relu函数1.激活函数曲线2.激活函数形式 一、sigmoid函数1.激活函数曲线激活函数的作用是能够给神
转载
2024-04-18 13:40:49
62阅读
Tensorflow_demo1. Tensorflow 基本细节2. demo 本文介绍了tensorflow的一些基本知识，并以tensorflow官方提供的demo为例，讲解tensorflow_v2.6搭建模型，并训练模型的大致过程。 同时对其中涉及到tensorflow api和其他知识点进行了详细解读。 1. Tensorflow 基本细节tensorflow Tensor 的通道
转载
2024-03-27 20:12:30
67阅读
什么是计算图？计算图又被称为是有向图，数据流图。 TensorFlow是一个通过计算图的形式来表述计算的编程系统。TensorFlow中的每一个计算都是计算图上的一个节点，而节点之间的边描述了计算之间的依赖关系。 下图展示了通过TensorBoard画出来的两个向量相加的计算图。 （TensorBoard的使用参考我的博客：）什么是数据流图（Data Flow Graph）？数据流图是描述有
转载
2024-05-04 10:12:33
28阅读
是一个通过计算图的形式来表述计算的编程系统。其中的Tnesor,代表它的数据结构，而Flow代表它的计算模型。TensorFlow中的每一个计算都是计算图上的一个节点，而节点之间的线描述了计算之间的依赖关系。 在TensorFlow程序中，系统会自动维护一个默认的计算图，通过tf.get_default_gragh函数可以获取当前默认的计算图。除了默认的计算图，TensorFlow也支持通过tf
转载
2024-03-05 09:58:56
45阅读
计算图在 TensorFlow 中用计算图来表示计算任务。 计算图，是一种有向图，用来定义计算的结构，实际上就是一系列的函数的组合。 用图的方式，用户通过用一些简单的容易理解的数学函数组件，就可以建立一个复杂的运算在 TensorFlow 使用图，分为两步：建立计算图 和 执行图图，在形式上由结点 Nodes 和边 Edges 组成。 - Nodes，用圆圈表示，代表一些对数据进行的计算
转载
2024-03-26 13:03:21
31阅读
记录关键内容与学习感受。未完待续。。TensorFlow Linear Model Tutorial——在本教程中，我们将使用tensorflow中tf.learnAPI来解决一个二元分类的问题：对于给定的人口普查数据，例如一个人的年龄、性别、教育、职业（特征），我们要试图预测出一个人一年是否能赚超过50000美元（目标标签），我们将训练一个逻辑回归模型，并且给模型一个人的信息后，模型将输出数字0
转载
2024-05-23 21:24:36
22阅读
卷积神经网络卷积卷积函数池化池化函数实现卷积神经网络的简例（Cifar-10数据集分类） 相对于全连接神经网络而言，卷积神经网络相对进步的地方是卷积层结构和池化层结构的引入。卷积核类似于全连接神经网络中的权重系数。 卷积卷积的重要特性：稀疏连接：通过将卷积核大小限制为远小于输入的大小来达到，与全连接神经网络相比降低了参数数量。卷积运算的稀疏连接借鉴了感受野的概念，因为图像的空间联系也是局部的像
转载
2024-03-25 15:18:47
43阅读
1、tensorflow的基本运作为了快速的熟悉TensorFlow编程，下面从一段简单的代码开始： import tensorflow as tf#定义‘符号’变量，也称为占位符a = tf.placeholder("float")b = tf.placeholder("float") y = tf.mul(a, b) #构造一个op节点 sess = tf.S
作者：TensorFlow编译：ronghuaiyang 导读 这篇文章是Effective TensorFlow 2.0的一个摘要，如果嫌原文太长又是英文的话，看看这个就好了，给大家画了个重点。要更仔细地查看更改了什么，并了解最佳实践，请查看新的Effective TensorFlow 2.0指南(在GitHub上发布)。本文简要介绍了其中的内容。如果你对这些主题感兴趣，请前往指南了解更多信
Tensorflow是一个通过计算图的形式来表述计算的编程系统，计算图也叫数据流图，可以把计算图看做是一种有向图，Tensorflow中的每一个计算都是计算图上的一个节点，而节点之间的边描述了计算之间的依赖关系。计算图的使用 在tensorflow程序中，系统会维护一个默认的计算图，通过tf.get_default_graph()函数可以获取当前默认的计算图，为了向默认的计算图中添加一个操作
转载
2024-10-09 19:52:43
23阅读
文章目录What are the various components of TF-Slim?Defining ModelsVariablesLayersScopesWorking Example: Specifying the VGG16 LayersTraining ModelsLossesTraining LoopWorking Example: Training the VGG16 Mo
背景关于 tensorflowTensorFlow™ 是一个采用数据流图（data flow graphs），用于数值计算的开源软件库。节点（Nodes）在图中表示数学操作，图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）。它灵活的架构让你可以在多种平台上展开计算，例如台式计算机中的一个或多个CPU（或GPU），服务器，移动设备等等。TensorFlow 最初由G
转载
2024-05-08 11:47:47
53阅读
1.计算图的概念： 计算图：输入和计算函数都以节点的形式出现，而节点的输出项之间的关系以有向线段表示所构成的计算图形。 如：向量a， b 相加： 2. 计算图的使用： 注意：Tensorflow程序一般分两步：定义计算图中所有计算；执行计算 在tensorflow代码执行的时候，tensorflow
原创
2021-07-15 15:06:39
946阅读
TensorFlow是一个非常强大的开源库，用于实现和部署大规模机器学习模型。多年来，TensorFlow已成为最受欢迎的深度学习库之一。这篇文章的目的是建立对深度学习库，特别是TensorFlow的工作原理的理解。为了实现这一目标，我们将模仿Tensor的API并从头开始实施其核心构建块。你将对内部工作有一个深刻的概念性理解，进一步了解变量、张量、会话或操作等内容。 理论T
转载
2024-05-08 11:59:30
58阅读
主要内容：TensorFlow的计算模型、数据模型和运行模型。1、TensorFlow计算模型—计算图计算图是TensorFlow中最基本的一个概念，TensorFlow中的所有计算都会被转化为计算图上的节点。计算图是用来描述TensorFlow中的计算。计算图概念Tensor: 张量，张量可以被简单理解为多维数组。Flow: 中文表示为“流”，直观地表达了张量之间通过计算相互转化的过程。Tens
转载
2024-04-09 18:22:54
51阅读
TensorFlow计算图一、 创建Session 以及变量初始化TensorFlow计
原创
2018-08-05 13:07:05
187阅读
每个GPU上的模型相同，喂以相同模型不同的训练样本。 数据并行根据参数更新方式的不同又可以分为同步数据并行和异步数据并行。1、同步更新每个GPU根据loss计算各自的gradient，汇总所有GPU的gradient，求平均梯度，根据平均梯度更新模型参数，具体过程见下图。所以同步数据并行的速度取决于最慢的GPU，当各个GPU的性能相差不大时适用。在同步更新的时候， 每次梯度更新，要等所有分发出去的
转载
2024-02-18 11:40:48
21阅读
