Tensorflow的一些基本用法
2017-07-19 11:16
363 查看
在使用TensorFlow中会遇到一些其基本的用法,再次作为记录备忘!
一般这样用:
大部分应用中标识的分布都会比较稀疏,可以使用下面方式提高效率:
tf.add_to_collection
在计算整体的loss是会将不同部分的loss放入一个集合中,最后计算整体的loss,因此会用到tf.add_to_collection,具体参考TensorFlow中的cifar10的例子,用法如下所示:tf.add_to_collection:把变量放入一个集合,把很多变量变成一个列表 tf.get_collection:从一个结合中取出全部变量,是一个列表 tf.add_n:把一个列表的东西都依次加起来
一般这样用:
tf.add_n(tf.get_collection("losses"),name='name') 其中losses是一个集合
softmax
关于TensorFlow中softmax和entropy的计算:pre = tf.Variable([[10.0,0.0,0.0],[0.0,10.0,0.0],[0.0,0.0,10.0]]) lab =tf.Variable([[1.0,0.0,0.0],[0.0,1.0,0.0],[0.0,0.0,1.0]]) #计算softmax y = tf.nn.softmax(pre) #计算交叉熵 cross_entropy = tf.reduce_mean(-tf.reduce_sum(lab*tf.log(y),reduction_indices=[1])) #一次性计算softmax and entropy loss = tf.contrib.losses.softmax_cross_entropy(pre,lab)
大部分应用中标识的分布都会比较稀疏,可以使用下面方式提高效率:
tf.contib.losses.sparse_softmax_cross_entropy(logits,labels)
tf.nn.embedding_lookup
http://blog.csdn.net/john_xyz/article/details/60882535layers_core.Dense
import tensorflow as tf from tensorflow.python.layers import core as layers_core ones = tf.Variable([[1.0,2],[3,4]]) output_layer = layers_core.Dense(5) logits = output_layer(ones) with tf.Session() as sess: sess.run(tf.global_variables_initializer()) print sess.run(ones) print sess.run(logits)
相关文章推荐
- Tensorflow的一些基本用法
- shell脚本一些基本语句的用法
- sql语句的一些基本用法
- Android Dialog对话框的一些基本用法
- Tensorflow一些常用基本概念与函数(1)
- tensorflow的基本用法(二)
- socket的一些基本结构和用法
- java文件类的一些基本用法
- fmdb的一些基本的用法
- tensorflow的基本用法(一)
- MFC中CTreeCtrl类的一些基本用法
- tensorflow的基本用法(三)
- Tensorflow一些常用基本概念与函数(2)
- 表单的一些基本用法与技巧
- vector和list的一些基本用法
- Lamamda和Linq的一些基本用法
- TensorFlow(二) 基本用法
- tensorflow的基本用法(六)——神经网络可视化
- Tensorflow一些常用基本概念与函数
- ajax入门的一些基本用法