登录注册
京东自营 + 国补 iPhone 历史最低价          国家补贴 享8折

欢马劈雪

  • 第三章 改进神经网络的学习方法（上）

    当一个高尔夫球员刚开始学习打高尔夫时，他们通常会在挥杆的练习上花费大多数时间。慢慢地他们才会在基本的挥杆上通过变化发展其他的击球方式，学习低飞球、左曲球和右曲球。类似的，我们现在仍然聚焦在反向传播算法的理解上。这就是我们的“基本挥杆”——神经网络中大部分工作学习和研究的基础。

    欢马劈雪
    第三章， 改进， 神经网络， 学习方法， 深度学习

  • 第二章 反向传播算法如何工作的？

    在上一章，我们看到了神经网络如何使用梯度下降算法来学习他们自身的权重和偏差。但是，这里还留下了一个问题：我们并没有讨论如何计算代价函数的梯度。这是很大的缺失！在本章，我们会解释计算这些梯度的快速算法，也就是反向传播。

    欢马劈雪
    第二章， 反向， 传播， 算法， 如何

  • 第一章 使用神经网络识别手写数字

    人类视觉系统是世界上众多奇迹之一。看看下面的手写数字序列：大多数人毫不费力就能够认出这些数字为 504192. 这么容易反而让人觉着迷惑了。在人类的每个脑半球中，有着一个初级视觉皮层，常称为 V1，包含 1 亿 4 千万个神经元及数百亿条神经元间的连接。但是人类视觉不是就只有 V1，还包括整个视觉皮层——V2、V3、V4 和 V5——他们逐步地进行更加复杂的图像处理。

    欢马劈雪
    第一章， 使用， 神经网络， 识别， 手写

  • 神经网络与深度学习

    神经网络和深度学习是一本免费的在线书。本书会教会你：神经网络，一种美妙的受生物学启发的编程范式，可以让计算机从观测数据中进行学习深度学习，一个强有力的用于神经网络学习的众多技术的集合神经网络和深度学习目前给出了在图像识别、语音识别和自然语言处理领域中很多问题的最好解决方案。本书将会教你在神经网络和深度学习背后的众多核心概念。

    欢马劈雪
    神经网络， 深度学习

  • TensorFlow 个人学习心得

    说明：本章所列链接为个人学习TensorFlow的心得，很多是博客地址，从实践的角度帮助大家更好的理解官方文档的内容示例：我的TensorFlow学习博客

    欢马劈雪
    tensorflow， 个人， 学习心得， 官方， 文档

  • TensorFlow 相关资源

    Google官方Blog宣布TensorFlow开源TensorFlow WhitePaper(PDF下载)Jeff Dean 介绍 TensorFlow（视频）TensorFlow 简化版接口 Scikit FlowTensorFlow 使用样例TensorFlow 与 mxnet, caffe 对比 @chenrudanTensorFlow 与 torch7, caffe, mxnet 在内存使用量以及性能对比 @mli

    欢马劈雪
    tensorflow， 相关， 资源， 官方， 文档

  • 常见问题汇总

    说明本章非官方文档翻译，是由众多TensorFlow爱好者将安装和使用TF过程中的问题总结而成的。常见问题及解答(示例)官网地址是哪里？http://www.tensorflow.org/如何安装 pip ？Ubuntu (14.04) sudo apt-get update && sudo apt-get install -y python python-dev python-pipCentOS 7 yum update -y &&

    欢马劈雪
    常见问题， 汇总， tensorflow， 官方， 文档

  • 张量的阶、形状、数据类型

    TensorFlow用张量这种数据结构来表示所有的数据.你可以把一个张量想象成一个n维的数组或列表.一个张量有一个静态类型和动态类型的维数.张量可以在图中的节点之间流通.阶 在TensorFlow系统中，张量的维数来被描述为阶.但是张量的阶和矩阵的阶并不是同一个概念.张量的阶（有时是关于如顺序或度数或者是n维）是张量维数的一个数量描述.

    欢马劈雪
    张量， 形状， 数据类型， tensorflow， 官方

  • 术语表

    广播操作(Broadcasting operation)一种用numpy-style broadcasting来保证tensor参数的形态兼容的操作。Devices一块可以用来运算并且拥有自己的地址空间的硬件，比如GPU和CPU。evalTensor 的一个方法，返回 Tensor 的值。触发任意一个图计算都需要计算出这个值。只能在一个已经启动的会话的图中才能调用该 Tensor 值。

    欢马劈雪
    术语表， tensorflow， 官方， 文档， 中文版

  • 常见问题

    此文档对关于TensorFlow的一些常见问题提供了答案，如果这里没有你问题的答案，你可能会在社区资源中找到它。内容常见问题建立 TensorFlow graph运行 TensorFlow 计算过程VariablesTensor shapesTensorBoard扩展 TensorFlow其他问题建立 TensorFlow graph 参看建立 graph 的 API 文档.为什么c = tf.matmul(a, b) 不立即执行矩阵相乘？

    欢马劈雪
    常见问题， tensorflow， 官方， 文档， 中文版

  • 应用实例

    本页介绍了一些 TensorFlow 系统当前在实际中的应用。如果您在做研究、教育、或在某些产品中正在使用 TensorFlow，我们非常乐意在这里添加一些有关您的使用情况。请随时给我们发电子邮件简要说明您是如何使用TensorFlow的，或者给我们发 pull request来添加一个条目到本文件。下面列出了一些 TensorFlow 的用途。

    欢马劈雪
    应用， 实例， tensorflow， 官方， 文档

  • BibTex 引用

    如果你在研究中使用了 TensorFlow，并且希望引用 TensorFlow系统。我们建议你引用一下白皮书。@misc{tensorflow2015-whitepaper,title={{TensorFlow}: Large-Scale Machine Learning on Heterogeneous Systems},url={http://tensorflow.org/},note={Software available from tensorflow.

    欢马劈雪
    bibtex， 引用， tensorflow， 官方， 文档

  • 其他资源

    TensorFlow 白皮书 在这份白皮书里，你可以找到关于 TensorFlow 编程模型的更多详情和 TensorFlow 的实现原理。TensorFlow: Large-scale machine learning on heterogeneous systems引用 如果你在你的研究中使用了 TensorFlow，并且希望在引用中注记 TensorFlow，我们建议你引用上面这篇论文。你可以使用这个 BibTeX 目录。

    欢马劈雪
    其他， 资源， tensorflow， 官方， 文档

  • 共享变量

    你可以在怎么使用变量中所描述的方式来创建，初始化，保存及加载单一的变量.但是当创建复杂的模块时，通常你需要共享大量变量集并且如果你还想在同一个地方初始化这所有的变量,我们又该怎么做呢.本教程就是演示如何使用tf.variable_scope() 和tf.get_variable()两个方法来实现这一点.

    欢马劈雪
    共享变量， tensorflow， 官方， 文档， 中文版

  • 使用 GPUs

    支持的设备 在一套标准的系统上通常有多个计算设备. TensorFlow 支持 CPU 和 GPU 这两种设备. 我们用指定字符串strings 来标识这些设备. 比如:"/cpu:0": 机器中的 CPU"/gpu:0": 机器中的 GPU, 如果你有一个的话."/gpu:1": 机器中的第二个 GPU, 以此类推...如果一个 TensorFlow 的 operation 中兼有 CPU 和 GPU 的实现, 当这个算子被指派设备时, GPU 有优先权.

    欢马劈雪
    使用， gpus， tensorflow， 官方， 文档

  • 自定义数据读取

    基本要求:熟悉 C++ 编程。确保下载 TensorFlow 源文件, 并可编译使用。我们将支持文件格式的任务分成两部分：文件格式: 我们使用 Reader Op来从文件中读取一个 record (可以使任意字符串)。记录格式: 我们使用解码器或者解析运算将一个字符串记录转换为TensorFlow可以使用的张量。

    欢马劈雪
    自定义， 数据， 读取， tensorflow， 官方

  • 增加一个新 Op

    预备知识:对 C++ 有一定了解.已经下载 TensorFlow 源代码并有能力编译它.如果现有的库没有涵盖你想要的操作, 你可以自己定制一个. 为了使定制的 Op 能够兼容原有的库, 你必须做以下工作:在一个 C++ 文件中注册新 Op. Op 的注册与实现是相互独立的. 在其注册时描述了 Op 该如何执行.例如, 注册 Op 时定义了 Op 的名字, 并指定了它的输入和输出.使用 C++ 实现 Op.

    欢马劈雪
    增加， 一个， op， tensorflow， 官方

  • 线程和队列

    在使用TensorFlow进行异步计算时，队列是一种强大的机制。正如TensorFlow中的其他组件一样，队列就是TensorFlow图中的节点。这是一种有状态的节点，就像变量一样：其他节点可以修改它的内容。具体来说，其他节点可以把新元素插入到队列后端(rear)，也可以把队列前端(front)的元素删除。为了感受一下队列，让我们来看一个简单的例子。

    欢马劈雪
    线程， 队列， tensorflow， 官方， 文档

  • 数据读取

    TensorFlow程序读取数据一共有3种方法:供给数据(Feeding)： 在TensorFlow程序运行的每一步， 让Python代码来供给数据。从文件读取数据： 在TensorFlow图的起始， 让一个输入管线从文件中读取数据。预加载数据： 在TensorFlow图中定义常量或变量来保存所有数据(仅适用于数据量比较小的情况)。

    欢马劈雪
    数据， 读取， tensorflow， 官方， 文档

  • TensorBoard: 图表可视化

    TensorFlow 图表计算强大而又复杂，图表可视化在理解和调试时显得非常有帮助。 下面是一个运作时的可式化例子。"一个TensorFlow图表的可视化")一个TensorFlow图表的可视化。为了显示自己的图表，需将 TensorBoard 指向此工作的日志目录并运行，点击图表顶部窗格的标签页，然后在左上角的菜单中选择合适的运行。

    欢马劈雪
    tensorboard， 图表， 可视化， tensorflow， 官方
上一页 下一页

个人简介

  1. 欢马劈雪

  2. 纵马驰骋迎雪而行

  3. 获得 161620 积分

  4. https://nowjava.com/creator/10001

热门标签

关注时代Java

Copyright © 2014-2024NowJava. All Rights Reserved. 时代Java 版权所有 京ICP备14059627号-7

关注时代Java