新版tensorflow

第二章:新版tensorflow入門,使用檢查點儲存模型

1、概述 和老版本的tensorflow一樣,模型需要進行儲存,而且這種儲存方式是週期性的。因為在很多情況下,梯度會在區域性最小值左右進行搖擺,也就是說,在很多情況下,最後一次訓練的模型不見得是最優化的。 2、儲存模型 我們可以在構建模型時,制定檢查點儲存的位置,首先我們可以用下面命令建立一個資料夾 […]

第三章:新版tensorflow入門,處理特徵列

1、概述 特徵列是原始資料與模型之間進行連結的橋樑。一般來說,人工智慧的本質是要進行權重與偏置的運算用來確定模型的形態。 在使用之前的tensorflow版本時,都需要預先將資料進行型別、分佈的處理,才能被人工智慧模型所使用。而特徵列的出現則使得資料處理的工作變得簡單的多。 2、特徵列的作用 特徵列 […]

第四章:新版tensorflow入門,處理資料集

1、概述 tensorflow對於資料的格式有著特殊的要求,另外所需要的資料量也是巨大,同樣會有批量梯度下降這樣的需求。為了保證資料的隨機性,我們有時候還需要隨機化資料分佈。這樣資料預處理就變得十分的關鍵。tensorflow提供了一系列的方法來幫助我們完成這樣的工作。 2、資料來源 在真實的人工智 […]

第七章:新版tensorflow入門,RNN與LSTM

1、概述 傳統的神經網路對線性迴歸、邏輯迴歸都有比較好的效果。卷積神經網路主要應用與計算機視覺技術。使用過濾器對圖片的邊緣特徵值進行檢測。在之前的章節中使用cnn對文字分類其實是借用了計算機視覺的一些原理,過濾器的尺寸也有著特殊的設定。在人工智慧領域還有一種應用場景,就是序列模型。 之前的演算法總體 […]

第五章:新版tensorflow入門,自定義模型(estimator)

1、概述 新版tensorflow內建了六款模型,包含線性迴歸模型和邏輯迴歸模型,能夠使用這些模型非常方便快捷的實現自己的業務需求。但如果內建模型不能滿足我們的業務需求時,就需要我們來自定義自己的模型。 如下圖所示,預建立的 Estimator 是 tf.estimator.Estimator 基類 […]

第一章:新版tensorflow入門,對鳶尾花進行分類

1、背景 2018年tensorflow進行了版本升級1.8.0,新版tensorflow對原來版本進行了進一步的封裝,程式設計方式也與之前的內容有了很多的不同。本文介紹在新版TensorFlow 中解決鳶尾花分類問題。 2、新版tensorflow的基本結構 眾所周知,人工智慧的核心組成部分就是模 […]

tensorflow 匯入資料(2)

1、概述 在前一篇文章中詳細討論了迭代器與資料集的相關內容。由於資料集與迭代器是連結原始資料與程式連線的渠道,所以本文主要討論如何從原始資料中構建資料集,主要涉及以下場景: 記憶體 TFRecord data 文字檔案 csv檔案 2、從記憶體中讀取資料 如果所有的資料都以numpy資料組的形式預先 […]