1. tf.nn.softmax
tf.nn.softmax(logits, dim=-1, name=None) w*x+b ⇒ logits
softmax 函数执行的操作：exp(logits)/reduce_sum(exp(logits), dim)
转载
2017-03-20 12:11:00
81阅读
在tensorflow的使用中，经常会使用tf.reduce_mean,tf.reduce_sum等函数，在函数中，有一个reduction_indices参数，表示函数的处理维度，直接上图，一目了然： 需要注意的一点，在很多的时候，我们看到别人的代码中并没有reduction_indices这个参
翻译
2018-07-02 14:43:00
354阅读
2评论
tensorflow中的 placeholder 简单理解
原创
2021-11-18 16:34:40
124阅读
深度学习技术在当代社会发挥的作用越来越大。目前深度学习被广泛应用于个性化推荐、商品搜索、人脸识别、机器翻译、自动驾驶等多个领域，此外还在向社会各个领域迅速渗透。 当前，深度学习的应用越来越多样化，随之涌现出诸多优秀的计算框架。其中 TensorFlow，PyTorch，MXNe…
转载
2022-11-28 10:02:50
51阅读
TensorFlow是一个采用数据流图（data flow graphs）用于数值计算的开源软件库。它最初是由Google大脑小组的研发人员设计开发的，用于机器学习和神经网络方面的研究。但是这个系统的通用性使其也可以广泛的应用于其他的计算领域。TensorFlow的命名是根据它的原理来的，Tensor（张量）意味着N维数组，Flow（流）意味着基于数据流图的计算。TensorFlow运行过程就是张
首先，我想先大概介绍一下tensorflow，下面的介绍来自百度百科。TensorFlow是谷歌基于DistBelief进行研发的第二代人工智能学习系统，其命名来源于本身的运行原理。Tensor（张量）意味着N维数组，Flow（流）意味着基于数据流图的计算，TensorFlow为张量从流图的一端流动到另一端计算过程。TensorFlow是将复杂的数据结构传输至人工智能神经网中进行分析和处理过程的系
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
博客TensorFlow基础知识:计算图中的Op,边,和张量中有一句话，对于我来说是醍醐灌顶，一下子明白了TensorFlow的计算模式计算图的定义和图的运算是分开的.tensorflow是一个符号主义的库.编程模式分为两类,命令式(imperative style)和符号式(symbolic style).命令式的程序很容易理解和调试,它按照原有的逻辑运行.符号式则相反,在现有的深度学习框架中,
TensorFlow移动端机器学习实战读书笔记TensorFlow作为开源机器学习框架，提供了对不同开发环境和设备的支持。详细讲解了如何使用TensorFlow进行端到端机器学习应用的开发，以及使用TensorFlow Lite在小型设备上进行应用开发的要点和相应的实战案例。 作者:王众磊 陈海波TensorFlow移动端机器学习实战pdf txt mobi下载 TensorFl
TensorFlow字面意思——张量的流动，即保持计算节点
原创
2022-06-17 09:56:55
359阅读
TensorFlow入门随着深度学习技术的发展，已有数种深度学习框架，例如TensorFlow、Caffe、Caffe2、Theano、Torch、MXNet和CNTK，支持卷积神经网络、递归神经网络等模型结构。TensorFlow由Google Brain团队的研究员和工程师研发，已成为业界最受欢迎的机器学习项目。TensorFlow框架的优秀特性，主要包括：支持异构设备的分布式计算，可有效地利
sklearn ⇒ 机器学习算法和模型；theras
theanoTensorFlow
1. 理解模型以及函数，参数返回值的实际意义一定要注意模型的构造函数，接收的参数列表，以及该模型本身所要解决的问题，因为在一些实现较好的框架或者库中，相似功能的类都会共享同一种接口。
KMeans（sklearn.cluster.KMeans），其也有成员函数：
fit：训练 ⇒ 模型的参数，其实是以及聚
转载
2016-11-05 18:11:00
84阅读
2评论
Tensorflow做阅读理解与完形填空
原创
2022-09-05 10:59:19
54阅读
TensorFlow中有很多函数涉及到axis，比如tf.reduce_mean(),其函数原型如下：def reduce_mean(input_tensor, axis=None, keepdims=None, name=None, reduction_indices...
原创
2021-09-07 09:47:30
358阅读
TensorFlow中有很多函数涉及到axis，比如tf.reduce_mean(),其函数原型如下：def reduce_mean(input_tensor, axis=None, keepdims=None, name=None, reduction_indices...
原创
2022-01-24 11:26:35
272阅读
TensorFlow 入门TensorFlow 计算模型一一计算图计算图的概念计算图是 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 。Tensor 就是张量，在 TensorFlow 中，张量可以被简单地理解为多维数组。Flow 就是“流”，它直观地表达了张量之间通过计算相互转化的过程。TensorFlow 是一个通过计算图的形式来表述
1.请简要介绍下tensorflow的计算图，深度学习 DL框架 中
@寒小阳&AntZ：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中的每一个节点都是计算图上的一个Tensor, 也就是张量，而节点之间的边描述了计算之间的依赖关系(定义时)和数学操作(运算时)。Tensorflow计算的过程就是利
前一段时间在学Keras，对深度学习算是有了点了解。最近在学Tensorflow，感觉有些重要的概念需要记录下来，方便日后复习查看。首先来看下什么是计算图Tensorflow 程序中的计算过程可以表示为一个计算图，其作用与外观都可以类比程序流程图来理解，在计算图上我们可以直观地看到数据的计算流程。计算图中每一个运算都可以视为一个节点(Node)，每一个节点都可有任意个输入和输出。如果一个运算的输入
交叉熵（Cross Entropy）交叉熵（Cross Entropy）是Loss函数的一种（也称为损失函数或代价函数），用于描述模型预测值与真实值的差距大小，常见的Loss函数就是均方平方差（Mean Squared Error），定义如下。image.png注意：tensorflow交叉熵计算函数输入中的logits都不是softmax或sigmoid的输出，而是softmax或sigmoid函数的输入，因为它在函数内部进行sigmoid或softmax操作Tensor.
原创
2021-08-12 22:36:06
470阅读
