#
已经有了一个预训练的模型，我需要从其中取出某一层，把该层的weights和biases赋值到新的网络结构中，可以使用tensorflow中的pywrap_tensorflow(用来读取预训练模型的参数
在TensorFlow中，tf.train.exponential_decay函数实现了指数衰减学习率，通过这个函数，可以先使用较大的学习率来快速得到一个比较优的解，然后随着迭代的继续逐步减小学习率，
一、卷积神经网络CNN简介 卷积神经网络（ConvolutionalNeuralNetwork，CNN）最初是为解决图像识别等问题设计的，CNN现在的应用已经不限于图像和视频，也可用于时间序列信号，比
识别MNIST已经成了深度学习的hello world，所以每次例程基本都会用到这个数据集，这个数据集在tensorflow内部用着很好的封装，因此可以方便地使用。 这次我们用tensorflow搭建
如下所示： import tensorflow as tf a=tf.constant([[[1,2,3,4],[4,5,6,7],[7,8,9,10]], [[11,12,13,14
在实际的业务中，可能会遇到很大量的特征，这些特征良莠不齐，层次不一，可能有缺失，可能有噪声，可能规模不一致，可能类型不一样，等等问题都需要我们在建模之前，先预处理特征或者叫清洗特征。那么这清洗特征的过
在Python代码中指定GPU import os os.environ["CUDA_VISIBLE_DEVICES"] = "0" 设置定量的GPU使用量： config = tf.C
tensorflow中对tensor对象进行像numpy数组一样便捷的操作是不可能的， 至少对1.2以及之前的版本而言。 从issue上看到，有不少人希望tensorflow能及早实现这些操作，但近期
-----最近从github上找了一个代码跑，但是cpu训练的时间实在是太长，所以想用gpu训练一下，经过了一天的折腾终于可以用gpu进行训练了，嘿嘿~ 首先先看一下自己电脑的显卡信息： 可以看到我
今天和大家分享一下用TensorFlow的saver存取训练好的模型那点事。 1. 用saver存取变量； 2. 用saver存取指定变量。 用saver存取变量。 话不多说，先上代码 #
