电子文档交易市场
安卓APP | ios版本
电子文档交易市场
安卓APP | ios版本

tensorflow与深度学习

74页
  • 卖家[上传人]:小**
  • 文档编号:95416191
  • 上传时间:2019-08-18
  • 文档格式:PPT
  • 文档大小:24.58MB
  • / 74 举报 版权申诉 马上下载
  • 文本预览
  • 下载提示
  • 常见问题
    • 1、Tensorflow与深度学习,第四天-Tensorflow基础,1、深度学习介绍 2、认识Tensorflow 3、Tensorflow的安装 4、Tensorflow初体验 5、Tensorflow进阶 6、案例:实现线性回归,A yellow bus driving down a road with green trees and green grass in the background.,Living room with white couch and blue carpeting. The room in the apartment gets some afternoon sun.,这些都是深度学习程序所写,聊天对话系统,深度学习介绍,深度学习,如深度神经网络、卷积神经网络和递归神经网络已被应用 计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域 并获取了极好的效果。,深度学习框架,Tensorflow,认识Tensorflow,1、真正的可移植性 引入各种计算设备的支持包括CPU/GPU/TPU,以及能够很好地运行在移动端, 如安卓设备、ios、树莓派等等 2

      2、、多语言支持 Tensorflow 有一个合理的c+使用界面,也有一个易用的python使用界面来构建和 执行你的graphs,你可以直接写python/c+程序。 3、高度的灵活性与效率 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 能够灵活进行组装图,执行图。随着开发的进展,Tensorflow的效率不算在提高 4、支持 TensorFlow 由谷歌提供支持,谷歌投入了大量精力开发 TensorFlow,它希望 TensorFlow 成为机器学习研究人员和开发人员的通用语言,Tensorflow特点,使用tensorflow的公司,Tensorflow教学版本,使用17年2月份发布的1.0版本,更快: TensorFlow 1.0 运行速度变得更加快 更灵活 TensorFlow 1.0 还加入了一些高级API,包括 tf.layers,tf.metrics 和 tf.losses 模块。 以及加入了一些类似scikit-learn的estimator机制 0.12版本之后支持的可视化 能够可视化的看见程序图的结构,Tenso

      3、rflow的安装,Linux/ubuntu Mac,开启GPU支持(不推荐),如果您的系统没有NVIDIAGPU,请构建并安装CPU版本 Ubuntu: 安装CUDA和cuDNN Mac: 安装CUDA和cuDNN,Tensorflow初体验,通过案例来了解分析Tensorflow的整个结构,加法运算,Tensorflow加法运算,数据流图:,Tensor,flow,计算密集型 vs IO密集型,Tensorflow与以往接触的不同,Tensorflow进阶,1、图 2、会话 3、张量 4、变量 5、模型保存和加载 6、自定义命令行参数,图,图默认已经注册,一组表示 tf.Operation计算单位的对象和tf.Tensor 表示操作之间流动的数据单元的对象 获取调用: tf.get_default_graph() op、sess或者tensor 的graph属性,哪些是op,图的创建,tf.Graph() 使用新创建的图 g = tf.Graph() with g.as_default(): a = tf.constant(1.0) assert c.graph is g,会话,tf

      4、.Session() 运行TensorFlow操作图的类,使用默认注册的图(可以指定运行图) 会话资源 会话可能拥有很多资源,如 tf.Variable,tf.QueueBase 和tf.ReaderBase,会话结束后需要进行资源释放 sess = tf.Session() sess.run(.) sess.close() 使用上下文管理器 with tf.Session() as sess: sess.run(.) config=tf.ConfigProto(log_device_placement=True) 交互式:tf.InteractiveSession(),会话的run()方法,run(fetches, feed_dict=None,graph=None) 运行ops和计算tensor 嵌套列表,元组, namedtuple,dict或OrderedDict(重载的运算符也能运行) feed_dict 允许调用者覆盖图中指定张量的值,提供给 placeholder使用 返回值异常 RuntimeError:如果它Session处于无效状态(例如已关闭)。 TypeErro

      5、r:如果fetches或feed_dict键是不合适的类型。 ValueError:如果fetches或feed_dict键无效或引用 Tensor不存在。,Tensorflow Feed操作,意义:在程序执行的时候,不确定输入的是什么,提前“占个坑” 语法:placeholder提供占位符,run时候通过feed_dict指定参数,张量,1、张量的阶和数据类型 2、张量操作,关闭警告,import os os.environTF_CPP_MIN_LOG_LEVEL=2,张量的阶和数据类型,Tensorflow基本的数据格式 一个类型化的N维度数组(tf.Tensor) 三部分,名字,形状,数据类型,张量的阶,张量的数据类型,张量属性,graph 张量所属的默认图 op 张量的操作名 name 张量的字符串描述 shape 张量形状,张量的动态形状与静态形状,TensorFlow中,张量具有静态形状和动态形状 静态形状: 创建一个张量或者由操作推导出一个张量时,初始状态的形状 tf.Tensor.get_shape:获取静态形状 tf.Tensor.set_shape():更新Tens

      6、or对象的静态形状,通常用于在不能直接推 断的情况下 动态形状: 一种描述原始张量在执行过程中的一种形状 tf.reshape:创建一个具有不同动态形状的新张量,1、转换静态形状的时候,1-D到1-D,2-D到2-D,不能跨阶数改变形状 2、 对于已经固定或者设置静态形状的张量变量,不能再次设置静态形状 3、tf.reshape()动态创建新张量时,元素个数不能不匹配,要点,张量操作-生成张量,为什么需要正态分布的变量值?,正态分布,概率密度函数为正态分布的期望值决定了其位置,其标准差 决定了分布的幅度。当 = 0, = 1时的正态分布是标准正态分布。,张量操作-张量变换,切片与扩展,tf.concat(values, axis, name=concat),https:/www.tensorflow.org/versions/r1.0/api_guides/python/math_ops,提供给Tensor运算的数学函数,算术运算符 基本数学函数 矩阵运算 减少维度的运算(求均值) 序列运算,注:这些都是在1.0版本下的函数,不同版本会有些差异,变量,1、变量的创建 2、变量的初始化

      7、3、变量的作用域,变量,变量也是一种OP,是一种特殊的张量,能够进行存储持久化,它的 值就是张量,变量的创建,tf.Variable(initial_value=None,name=None) 创建一个带值initial_value的新变量 assign(value) 为变量分配一个新值 返回新值 eval(session=None) 计算并返回此变量的值 name属性表示变量名字,变量的初始化,tf.global_variables_initializer() 添加一个初始化所有变量的op 在会话中开启,可视化学习Tensorboard,数据序列化-events文件 TensorBoard 通过读取 TensorFlow 的事件文件来运行 tf.summary.FileWriter(/tmp/tensorflow/summary/test/, graph= default_graph) 返回filewriter,写入事件文件到指定目录(最好用绝对路径),以提供给tensorboard使用 开启 tensorboard -logdir=/tmp/tensorflow/summary/t

      8、est/ 一般浏览器打开为127.0.0.1:6006 注:修改程序后,再保存一遍会有新的事件文件,打开默认为最新,图中的符号意义,增加变量显示,1、收集变量 tf.summary.scalar(name=,tensor) 收集对于损失函数和准确率 等单值变量,name为变量的名字,tensor为值 tf.summary.histogram(name=,tensor) 收集高维度的变量参数 tf.summary.image(name=,tensor) 收集输入的图片张量能显示图片,2、合并变量写入事件文件 merged = tf.summary.merge_all() 运行合并:summary = sess.run(merged),每次迭代都需运行 添加:FileWriter.add_summary(summary,i),i表示第几次的值,目的:观察模型的参数、损失值等变量值的变化,tensorflow实现一个简单的线性回归案例,简单的API介绍 线性回归实现,结果演示,动画演示,Tensorflow运算API,矩阵运算 tf.matmul(x, w) 平方 tf.square(err

      9、or) 均值 tf.reduce_mean(error),tf.train.GradientDescentOptimizer(learning_rate) 梯度下降优化 learning_rate:学习率,一般为 method: return:梯度下降op,梯度下降API,Tensorboard观察图结构,变量显示,作用域,想一想之前函数里面,一个变量的作用域?,tensorflow变量作用域,tf.variable_scope()创建指定名字的 变量作用域 观察变量的name改变? 嵌套使用变量作用域 观察变量的name改变?,如果在之前,给变量取相同的name会出现什么样的情况?,tensorflow变量作用域的作用,让模型代码更加清晰,作用分明,模型保存和加载,tf.train.Saver(var_list=None,max_to_keep=5) var_list:指定将要保存和还原的变量。它可以作为一个 dict或一个列表传递. max_to_keep:指示要保留的最近检查点文件的最大数量。 创建新文件时,会删除较旧的文件。如果无或0,则保留所有 检查点文件。默认为5(即保留最新的5个检查点文件。),例如:saver.save(sess, /tmp/ckpt/test/model) saver.restore(sess, /tmp/ckpt/test/model) 保存文件格式:checkpoint文件,自定义命令行参数,1、,2、 tf.app.flags.,在flags有一个FLAGS标志,它在程序中可以调用到我们 前面具体定义的flag_name 3、通过tf.app.run()启动main(argv)函数,Thank you!,

      《tensorflow与深度学习》由会员小**分享,可在线阅读,更多相关《tensorflow与深度学习》请在金锄头文库上搜索。

      点击阅读更多内容
    最新标签
    发车时刻表 长途客运 入党志愿书填写模板精品 庆祝建党101周年多体裁诗歌朗诵素材汇编10篇唯一微庆祝 智能家居系统本科论文 心得感悟 雁楠中学 20230513224122 2022 公安主题党日 部编版四年级第三单元综合性学习课件 机关事务中心2022年全面依法治区工作总结及来年工作安排 入党积极分子自我推荐 世界水日ppt 关于构建更高水平的全民健身公共服务体系的意见 空气单元分析 哈里德课件 2022年乡村振兴驻村工作计划 空气教材分析 五年级下册科学教材分析 退役军人事务局季度工作总结 集装箱房合同 2021年财务报表 2022年继续教育公需课 2022年公需课 2022年日历每月一张 名词性从句在写作中的应用 局域网技术与局域网组建 施工网格 薪资体系 运维实施方案 硫酸安全技术 柔韧训练 既有居住建筑节能改造技术规程 建筑工地疫情防控 大型工程技术风险 磷酸二氢钾 2022年小学三年级语文下册教学总结例文 少儿美术-小花 2022年环保倡议书模板六篇 2022年监理辞职报告精选 2022年畅想未来记叙文精品 企业信息化建设与管理课程实验指导书范本 草房子读后感-第1篇 小数乘整数教学PPT课件人教版五年级数学上册 2022年教师个人工作计划范本-工作计划 国学小名士经典诵读电视大赛观后感诵读经典传承美德 医疗质量管理制度 2 2022年小学体育教师学期工作总结 2022年家长会心得体会集合15篇
    关于金锄头网 - 版权申诉 - 免责声明 - 诚邀英才 - 联系我们
    手机版 | 川公网安备 51140202000112号 | 经营许可证(蜀ICP备13022795号)
    ©2008-2016 by Sichuan Goldhoe Inc. All Rights Reserved.