#
最近一直在用TF做CNN的图像分类，当softmax层得到预测结果后，我希望能够看到预测结果，以便和标签之间进行比较。特此补上，以便自己记忆。 我现在通过softmax层得到变量train_logit
也有些正则方法可以限制回归算法输出结果中系数的影响，其中最常用的两种正则方法是lasso回归和岭回归。 lasso回归和岭回归算法跟常规线性回归算法极其相似，有一点不同的是，在公式中增加正则项来限制斜
问题 问题是这样的，要把一个数组存到tfrecord中，然后读取 a = np.array([[0, 54, 91, 153, 177,1], [0, 50, 89, 147, 196],
本篇文章主要通过一个简单的例子来实现神经网络。训练数据是随机产生的模拟数据集，解决二分类问题。 下面我们首先说一下，训练神经网络的一般过程： 1.定义神经网络的结构和前向传播的输出结果 2.定义损失函
一、gfile模块是什么 gfile模块定义在tensorflow/python/platform/gfile.py，但其源代码实现主要位于tensorflow/tensorflow/python/
TensorFLow能够识别的图像文件，可以通过numpy，使用tf.Variable或者tf.placeholder加载进tensorflow；也可以通过自带函数（tf.read）读取，当图像文件过
tensorflow模型保存为saver = tf.train.Saver()函数,saver.save()保存模型，代码如下： import tensorflow as tf v1= tf.
TensorFlow官网给的cifar-10教程，是卷积神经网络入门的好例子，有时想直接拿这个模型来跑自己的数据，却发现他的数据类型不是常见的，我们一般获取的数据（图片）以文件夹分类存好，或者直接在文
环境：Ubuntu14.04，tensorflow=1.4(bazel源码安装)，Anaconda python=3.6 声明变量主要有两种方法：tf.Variable和 tf.get_variabl
使用Tensorflow进行深度学习训练的时候，需要对训练好的网络模型和各种参数进行保存，以便在此基础上继续训练或者使用。介绍这方面的博客有很多，我发现写的最好的是这一篇官方英文介绍： http:/
