深度学习的水好深，本来实验室的条件就非常差，好的设备都没有一台。 没有使用tfrecord文件格式进行传入数据： 生成的图像部分出现了黑影？
安裝好 Anaconda 後，可以使用裏面的許多集成的科學計算庫，然而在 tensorflow 的環境下打開 Spyder IDE 卻無法 import 有些庫，如數據預處理模塊 scikit-learn ，出現 No modul
原本是一個簡單的list轉換爲array函數，結果卻出現這樣的錯誤： could not broadcast input array from shape (128,128,3) into shape (1) 後來嘗試了網上很多種
OutOfRangeError (see above for traceback): RandomShuffleQueue ‘_1_shuffle_batch/random_shuffle_queue’ is closed and
你好，tensorflow(伯樂在線) http://python.jobbole.com/87513/
文章目錄pands.read_csv特徵列DenseFeatures層keras模型轉爲estimator預置的DNN Estimator預置的Baseline Estimator預置的Linear EstimatorTensor
（1）one shot iterator 單次迭代 僅支持對數據集進行一次迭代，不需要顯式初始化。 import tensorflow as tf # 通過對list切片的方式創建數據集 dataset = tf.data.Da
文章目錄卷積層 Conv2D可分離卷積層 SeparableConv2DImageDataGenerator & flow_from_directoryfit_generator & predict_generatorapplic
文章目錄切片算子操作字符串操作RaggedTensorSparseTensorVariable自定義損失函數keras.layers.Lambda自定義LayerTF函數與Python函數的轉換@tf.functionTensor
文章目錄對列表生成式和dict生成式的使用pad_sequencesEmbedding層GlobalAveragePoolingSimpleRNN雙向RNNtf.random.categorical保存與載入模型expand_di
在Tensorflow學習(7)-通過MNIST數字識別問題學習（1）中，將計算神經網絡前向傳播結果的過程抽象成了一個函數。 即 def inference(input_tensor, avg_class, weights1, bias
神經網絡的前向傳播過程在計算中表示爲矩陣相乘的過程 具體內容在書上3.4.2 實現神經網絡的前向傳播過程 輸入層兩個節點，隱藏層3個，輸出層一個 # 聲明w1,w2兩個變量，通過seed參數設定隨機種子，保證每次運行結果一樣 # std
激活函數去線性化 常用的有tf.nn.relu、tf.sigmoid(0~1)、tf.tanh(-1~1)。 經典損失函數-分類問題（交叉熵cross entropy） cross_entropy = -tf.reduce_mean(y
滑動平均模型 TensorFlow中提供了tf.train.ExponentialMovingAverage來實現滑動平均模型。 在初始化ExponentialMovingAverage時，需要提供一個衰減率(decay)。這個衰減率用於
MNIST數據處理 TensorFlow提供了一個類來處理MNIST數據，可以下載並自動轉換格式。 下面給出樣例程序 from tensorflow.examples.tutorials.mnist import input_data
持久化代碼實現 TensorFlow提供了一個非常簡單的API來保存和還原一個神經網絡模型。這個API是tf.train.Saver類。 以下代碼給出保存TensorFlow計算圖的方法。 import tensorflow as tf
