正文

深度学习之tensorflow

哈哈丶Stupid  哈哈丶Stupid  2022-09-30  251

关键词：

一、TensorFlow简介

1.TensorFlow定义：

tensor ：张量，N维数组

Flow : 流，基于数据流图的计算

TensorFlow : 张量从图像的一端流动到另一端的计算过程，是将复杂的数据结构传输至人工智能神经网络中进行分析和处理的过程。

2. 工作模式：

图graphs表示计算任务，图中的节点称之为op(operation) ，一个 op可以获得0个或多个张量（tensor），通过创建会话（session）对象来执行计算，产生0个或多个tensor。

其工作模式分为两步：(1)define the computation graph

(2)run the graph (with data) in session

3. 特点：

（1）异步：一处写、一处读、一处训练

（2）全局：操作添加到全局的graph中，监控添加到全局的summary中，

参数/损失添加到全局的collection中

（3）符号式的：创建时没有具体，运行时才传入

二、代码

1 、定义神经网络的相关参数和变量

 1 # -*- coding: utf-8 -*-
 2 # version：python 3.5
 3 import tensorflow as tf
 4 from numpy.random import RandomState
 5 
 6 batch_size = 8
 7 x = tf.placeholder(tf.float32, shape=(None, 2), name="x-input")
 8 y_ = tf.placeholder(tf.float32, shape=(None, 1), name=‘y-input‘)
 9 w1= tf.Variable(tf.random_normal([2, 1], stddev=1, seed=1))
10 y = tf.matmul(x, w1)

View Code

2、设置自定义的损失函数

1 # 定义损失函数使得预测少了的损失大，于是模型应该偏向多的方向预测。
2 loss_less = 10
3 loss_more = 1
4 loss = tf.reduce_sum(tf.where(tf.greater(y, y_), (y - y_) * loss_more, (y_ - y) * loss_less))
5 train_step = tf.train.AdamOptimizer(0.001).minimize(loss)

View Code

3、生成模拟数据集

1 rdm = RandomState(1)
2 X = rdm.rand(128,2)
3 Y = [[x1+x2+rdm.rand()/10.0-0.05] for (x1, x2) in X]

View Code

4、训练模型

 1 with tf.Session() as sess:
 2     init_op = tf.global_variables_initializer()
 3     sess.run(init_op)
 4     STEPS = 5000
 5     for i in range(STEPS):
 6         start = (i*batch_size) % 128
 7         end = (i*batch_size) % 128 + batch_size
 8         sess.run(train_step, feed_dict={x: X[start:end], y_: Y[start:end]})
 9         if i % 1000 == 0:
10             print("After %d training step(s), w1 is: " % (i))
11             print sess.run(w1), "
"
12     print "Final w1 is: 
", sess.run(w1)

View Code

结果：

After 0 training step(s), w1 is: 
[[-0.81031823]
 [ 1.4855988 ]] 

After 1000 training step(s), w1 is: 
[[ 0.01247112]
 [ 2.1385448 ]] 

After 2000 training step(s), w1 is: 
[[ 0.45567414]
 [ 2.17060661]] 

After 3000 training step(s), w1 is: 
[[ 0.69968724]
 [ 1.8465308 ]] 

After 4000 training step(s), w1 is: 
[[ 0.89886665]
 [ 1.29736018]] 

Final w1 is: 
[[ 1.01934695]
 [ 1.04280889]]

5、重新定义损失函数，使得预测多了的损失大，于是模型应该偏向少的方向预测

 1 loss_less = 1
 2 loss_more = 10
 3 loss = tf.reduce_sum(tf.where(tf.greater(y, y_), (y - y_) * loss_more, (y_ - y) * loss_less))
 4 train_step = tf.train.AdamOptimizer(0.001).minimize(loss)
 5 
 6 with tf.Session() as sess:
 7     init_op = tf.global_variables_initializer()
 8     sess.run(init_op)
 9     STEPS = 5000
10     for i in range(STEPS):
11         start = (i*batch_size) % 128
12         end = (i*batch_size) % 128 + batch_size
13         sess.run(train_step, feed_dict={x: X[start:end], y_: Y[start:end]})
14         if i % 1000 == 0:
15             print("After %d training step(s), w1 is: " % (i))
16             print sess.run(w1), "
"
17     print "Final w1 is: 
", sess.run(w1)

View Code

结果：

After 0 training step(s), w1 is: 
[[-0.81231821]
 [ 1.48359871]] 

After 1000 training step(s), w1 is: 
[[ 0.18643527]
 [ 1.07393336]] 

After 2000 training step(s), w1 is: 
[[ 0.95444274]
 [ 0.98088616]] 

After 3000 training step(s), w1 is: 
[[ 0.95574027]
 [ 0.9806633 ]] 

After 4000 training step(s), w1 is: 
[[ 0.95466018]
 [ 0.98135227]] 

Final w1 is: 
[[ 0.95525807]
 [ 0.9813394 ]]

深度学习之tensorflow——基本使用

一、目前主流的深度学习框架Caffe,TensorFlow,MXNet,Torch,Theano比较库名称开发语言速度灵活性文档适合模型平台上手难易Caffec++/cuda快一般全面CNN所有系统中等TensorFlowc++/cuda/Python中等好中等CNN/RNNLinux,OSX难MXNetc++/cuda快好全面CNN所有系统... 查看详情

分享《深度学习之tensorflow：入门原理与进阶实战》pdf+源代码

下载：https://pan.baidu.com/s/1IAfr-tigqGE_njrfSATT_w《深度学习之TensorFlow：入门、原理与进阶实战》，李金洪著。中文PDF，939页，带书签目录，文字可以复制粘贴。配套源代码。如图：查看详情

深度学习之tensorflow安装与初体验(代码片段)

深度学习之TensorFlow安装与初体验学习前搞懂一些关系和概念首先，搞清楚一个关系：深度学习的前身是人工神经网络，深度学习只是人工智能的一种，深层次的神经网络结构就是深度学习的模型，浅层次的神经网络结构是浅度... 查看详情

分享《深度学习之tensorflow：入门原理与进阶实战》pdf+源代码

下载：https://pan.baidu.com/s/1zI-pblJ5dEwjGVe-QQP9hQ更多资料：http://blog.51cto.com/3215120《深度学习之TensorFlow：入门、原理与进阶实战》，李金洪著。中文PDF，939页，带书签目录，文字可以复制粘贴。配套源代码。如图：查看详情

分享《深度学习之tensorflow：入门原理与进阶实战》pdf+源代码

下载：https://pan.baidu.com/s/1zI-pblJ5dEwjGVe-QQP9hQ更多分享资料：https://www.cnblogs.com/javapythonstudy/《深度学习之TensorFlow：入门、原理与进阶实战》，李金洪著。中文PDF，939页，带书签目录，文字可以复制粘贴。配套源代码。如图：查看详情

深度学习之bert中文分类学习

深度学习之Bert中文分类学习BERT实验预训练结果分析tfhub_handle_preprocess="https://hub.tensorflow.google.cn/tensorflow/bert_zh_preprocess/3"bert_preprocess_model=hub.KerasLayer(tfhub_handle_preprocess)text_test=['我真是个天才啊！查看详情

深度学习之tensorflow：卷积神经网络

基础概念：　　卷积神经网络（CNN）：属于人工神经网络的一种，它的权值共享的网络结构显著降低了模型的复杂度，减少了权值的数量。卷积神经网络不像传统的识别算法一样，需要对数据进行特征提取和数据重建，可以直接... 查看详情

深度学习之tensorflow模型优化和调优实例(代码片段)

近几年深度学习作为一种技术发展迅猛，越来越多的人工智能解决方案将深度学习作为其基本技术，然而构建深度学习模型并不是一件容易的事，为了获得满意的准确性和效率，通常需要数周的时间优化模型。模... 查看详情

深度学习之基于tensorflow2.0实现vgg16网络(代码片段)

...有了提升，VGG16与VGG19是VGG系列的代表，本次基于Tensorflow2.0实现VGG16网络。1.VGG16网络简介VGG16网络模型在2014年ImageNet比赛上脱颖而出，取得了在分类任务上排名第二，在定位任务上排名第一的好成绩。VGG16网络相比... 查看详情

深度学习之卷积神经网络cnn及tensorflow代码实现示例

一、CNN的引入在人工的全连接神经网络中，每相邻两层之间的每个神经元之间都是有边相连的。当输入层的特征维度变得很高时，这时全连接网络需要训练的参数就会增大很多，计算速度就会变得很慢，例如一张黑白的28×2828×28... 查看详情

深度学习之tensorflow框架（上）(代码片段)

1importtensorflowastf2importos3os.environ[‘TF_CPP_MIN_LOG_LEVEL‘]=‘2‘4deftensorflow_demo():56#原生python加法运算7a=2;8b=3;9c=a+b;10print("普通加法运算的结果:",c);11#tensorflow实现加法运算12a_t=tf.constant(2)13b_t=tf.constant(3)14c_t=a_t+b_t15print("tensorflow的加法运... 查看详情

深度学习之tensorflow框架（下）(代码片段)

1deftensor_demo():2"""3张量的演示4:return:5"""6tensor1=tf.constant(4.0)7tensor2=tf.constant([1,2,3,4])8linear_squares=tf.constant([[4],[9],[16],[25]],dtype=tf.int32)9print("tensor1:",tensor1)10print("tensor2:",tensor2)11print("linear_squares:",linear_squares)1213#生成常用张量14tensor3=tf.... 查看详情

深度学习之tensorflow框架（中）(代码片段)

...用于完整的程序中tf.InteractiveSession用于交互式上下文中的tensorflow查看张量的值都必须在会话里面c_new_value=new_sess.run(c_new)print("c_new_value:",c_new_value)print("a_new_value:",a_new.eval())1defsession_demo():2"""3会话的演示4:return:5"""6a_t=tf.constant(2,name... 查看详情

深度学习之tensorflow模型优化和调优实例(代码片段)

...08;基于paper或者基于直觉等均可）构建神经网络（TensorFlow，Keras等均可以&# 查看详情

深度学习资料下载链接汇总

...//quqi.gblhgk.com/s/4910388/nCjUhVSdU8G7svaW)[2.深度学习之TensorFlow](https://quqi.gblhgk.com/s/4910388/mMeS1qprELGsg7fV)注意如果下载链接失效,请及时下下方评论或者私聊作者1.深度学习之numpy实现2.深度学习查看详情

人工智能深度学习入门练习之（10）tensorflow–介绍

TensorFlow是一个开源的深度学习框架，由谷歌团队开发。TensorFlow使用方便，开发人员可以用来开发各种人工智能应用。TensorFlow的官方网站:www.tensorflow.orgTensorFlow的主要特性：以张量(一种多维数组)为基础，轻松定义、计算数学算... 查看详情

tensorflow学习之softmaxregression

电脑配置：win10+Anaconda3+pyton3.5+vs2013+tensorflow+Gpu980+matlab2016bsoftmaxregression的详细介绍，请参考黄文坚的《tensorflow实战》的第3.2节。原书pdf下载地址：链接：https://pan.baidu.com/s/1sk8Qm4X密码：28jk原书code下载地址：链接：https://pan 查看详情