tensorflow学习笔记1

Bertha 。 2022-05-17 04:45 140阅读 0赞

卷积与池化:

卷积:

1.stride \[1,2,2,1\] 卷积步长为2, 第1\\4参数为1.分别表示batch和channel

VALID:without padding(仅丢弃下面或右边最多的行/列)

SAME:with zero padding 左奇右偶,在左边补一个0,右边补2个0

weight\_variable:

\# 第一二参数值得卷积核尺寸大小，即patch=5\*5，第三个参数是图像通道数=1，第四个参数是卷积核的数目=32，代表会出现多少个卷积特征图像;

W\_conv1 = weight\_variable(\[5, 5, 1, 32\])

\# 对于每一个卷积核都有一个对应的偏置量。

b\_conv1 = bias\_variable(\[32\])

\# 图片乘以卷积核，并加上偏执量，卷积结果28x28x32

h\_conv1 = tf.nn.relu(conv2d(x\_image, W\_conv1) + b\_conv1)

池化:

ksize \[1,2,2,1\] 池化窗口大小2\*2 第1\\4参数为1.

\# 池化结果14x14x32 卷积结果乘以池化卷积核

h\_pool1 = max\_pool\_2x2(h\_conv1)

\#\# 第二层卷积操作 \#\#

\# 32通道卷积，卷积出64个特征

w\_conv2 = weight\_variable(\[5,5,32,64\])

\# 64个偏执数据

b\_conv2 = bias\_variable(\[64\])

\# 注意h\_pool1是上一层的池化结果，\#卷积结果14x14x64

h\_conv2 = tf.nn.relu(conv2d(h\_pool1,w\_conv2)+b\_conv2)

全连接层:

\# 二维张量，第一个参数7\*7\*64的patch，也可以认为是只有一行7\*7\*64个数据的卷积，第二个参数代表卷积个数共1024个

W\_fc1 = weight\_variable(\[7\*7\*64, 1024\])

\# 1024个偏置数据

b\_fc1 = bias\_variable(\[1024\])

tf.cats:转换数据类型

tf.round() 舍入最近的整数

tf.reduce\_sum(x,1/0):按某一维度以求和方式降维 0纵向求和,1横向求和,不填默认为所有元素求和

tf.reduce\_mean(x,1/0):按某一维度以求和方式降维 同上

np.shuffle(a):对矩阵进行洗牌,原矩阵改变.无返回值

定义初始化变量。但是这里仍然不会立即执行。需要通过sess来将数据流动起来 。

切记：所有的运算都应在在session中进行：

with tf.Session() as sess:

此处自动开启一个sessionsess.run(init)

对变量进行初始化，执行（run）init语句

feed\_dict:

step\_loss = sess.run(\[loss\], feed\_dict=\{X: train\_X, Y: train\_Y\})\#feed\_dict的作用是给使用placeholder创建出来的tensor赋值。其实，他的作用更加广泛：feed 使用一个 值临时替换一个 op 的输出结果. 你可以提供 feed 数据作为 run() 调用的参数. feed 只在调用它的方法内有效, 方法结束, feed 就会消失.train\_X替换X,train\_Y替换Y

sess.run(b)只会计算和b有关的流程

其他：

1、dropout必须设置概率keep\_prob,并且keep\_prob也是一个占位符,跟输入是一样的

keep\_prob = tf.placeholder(tf.float32) 设置神经元被选中的概率,在初始化时keep\_prob是一个占位符

发表评论取消回复

表情：

评论列表（有 0 条评论，140人围观）

还没有评论，来说两句吧...

相关阅读

相关 TensorFlow 基础学习 - 1

学习目的了解机器学习的一些基础功能，一些基础用法，然后在我们的实际工作中创造出更多的火花。 ![5e89cb3a5da38af4fae1aff623e0f39a.pn

分手后的思念是犯贱/ 2022年10月30日 13:23/ 0 赞/ 165 阅读

相关 TensorFlow学习笔记（一）TensorFlow基础

TensorFlow学习笔记（一）TensorFlow基础 import tensorflow as tf import tensorflow.keras

小鱼儿/ 2022年09月08日 00:08/ 0 赞/ 296 阅读

相关 TensorFlow学习笔记1：入门

TensorFlow 简介 TensorFlow是Google在2015年11月份开源的人工智能系统（[Github项目地址][Github]），是之前所开发的深度学习基

约定不等于承诺〃/ 2022年06月02日 07:35/ 0 赞/ 263 阅读

相关 tensorflow学习笔记1

卷积与池化: 卷积: 1.stride \[1,2,2,1\] 卷积步长为2, 第1\\4参数为1.分别表示batch和channel VALID:without pad

Bertha 。/ 2022年05月17日 04:45/ 0 赞/ 141 阅读

相关 Tensorflow学习笔记

转载：[https://www.cnblogs.com/wuzhitj/p/6298004.html][https_www.cnblogs.com_wuzhitj_p_6298

秒速五厘米/ 2022年05月16日 04:19/ 0 赞/ 335 阅读

相关 TensorFlow Lite学习笔记

TensorFlow Lite学习笔记 -------------------- 目录 TensorFlow Lite学习笔记 Tensorflow LIte De

矫情吗；*/ 2022年05月12日 14:56/ 0 赞/ 217 阅读

相关 TensorFlow学习笔记

TensorFlow学习笔记目录 TensorFlow学习笔记一、TF-slim库 1.TF-slim使用方法一般网络定义方法 2. 常用模块实现 2.

「爱情、让人受尽委屈。」/ 2022年05月08日 11:12/ 0 赞/ 311 阅读

相关 tensorflow学习（1）

莫凡2017tensorflow（使用更简便版）[https://github.com/MorvanZhou/Tensorflow-Tutorial][https_github

迈不过友情╰/ 2022年03月17日 08:06/ 0 赞/ 202 阅读

相关【Tensorflow】北京大学tensorflow学习笔记

AI\_TensorflowNotebook 北京大学公开课学习笔记课程链接：[https://www.icourse163.org/course/PKU-1002

雨点打透心脏的1/2处/ 2022年03月01日 07:38/ 0 赞/ 309 阅读

相关 Tensorflow_入门学习_1

1.0 TensorFlow graphs Tensorflow是基于graph based computation：如： a=(b\+c)∗(c\+2) 可分解

女爷i/ 2021年12月24日 14:41/ 0 赞/ 225 阅读