Tensorflow 实战Google深度学习框架 Python3 代码
2017-09-08 09:33
796 查看
原书名《Tensorflow 实战Google深度学习框架》
由于自己用的是python 3,而且书中所使用的部分方法已经更改,所以自己对原书的代码进行了些许修改,并成功在Jupyter上运行成功。
88-89页 损失函数计算:换掉lambda
import tensorflow as tf
def get_weight(shape,lamba):
var=tf.Variable(tf.random_normal(shape),dtype=tf.float32)
tf.add_to_collection('losses',tf.contrib.layers.l2_regularizer(0.5)(var))
return var
#生成样本集
x=tf.placeholder(tf.float32,shape=(None,2))
y_=tf.placeholder(tf.float32,shape=(None,2))
batch_size=8
#生成层数与节点数
layer_dimension=[2,10,10,10,1]
n_layers=len(layer_dimension)
cur_layer=x
in_dimension=layer_dimension[0]
for i in range(1,n_layers):
out_dimension=layer_dimension[i]
weight=get_weight([in_dimension,out_dimension],0.001)
bias=tf.Variable(tf.constant(0.1,shape=[out_dimension]))
cur_layer=tf.nn.relu(tf.matmul(cur_layer,weight)+bias)
in_dimension=layer_dimension[i]
mse_loss=tf.reduce_mean(tf.square(y_-cur_layer))
tf.add_to_collection('losses',mse_loss)
loss=tf.add_n(tf.get_collection('losses'))
90-91 平滑损失函数
import tensorflow as tf
v1=tf.Variable(0,dtype=tf.float32)
step=tf.Variable(0,trainable=False)
ema=tf.train.ExponentialMovingAverage(0.99,step)
maintain_averages_op=ema.apply([v1])
with tf.Session() as sess:
init_op=tf.global_variables_initializer()
sess.run(init_op)
print(sess.run([v1,ema.average(v1)]))
sess.run(tf.assign(v1,5))
sess.run(maintain_averages_op)
print(sess.run([v1,ema.average(v1)]))
sess.run(tf.assign(step,10000))
sess.run(tf.assign(v1,10))
sess.run(maintain_averages_op)
print(sess.run([v1,ema.average(v1)]))
sess.run(maintain_averages_op)
print(sess.run([v1,ema.average(v1)]))
由于自己用的是python 3,而且书中所使用的部分方法已经更改,所以自己对原书的代码进行了些许修改,并成功在Jupyter上运行成功。
88-89页 损失函数计算:换掉lambda
import tensorflow as tf
def get_weight(shape,lamba):
var=tf.Variable(tf.random_normal(shape),dtype=tf.float32)
tf.add_to_collection('losses',tf.contrib.layers.l2_regularizer(0.5)(var))
return var
#生成样本集
x=tf.placeholder(tf.float32,shape=(None,2))
y_=tf.placeholder(tf.float32,shape=(None,2))
batch_size=8
#生成层数与节点数
layer_dimension=[2,10,10,10,1]
n_layers=len(layer_dimension)
cur_layer=x
in_dimension=layer_dimension[0]
for i in range(1,n_layers):
out_dimension=layer_dimension[i]
weight=get_weight([in_dimension,out_dimension],0.001)
bias=tf.Variable(tf.constant(0.1,shape=[out_dimension]))
cur_layer=tf.nn.relu(tf.matmul(cur_layer,weight)+bias)
in_dimension=layer_dimension[i]
mse_loss=tf.reduce_mean(tf.square(y_-cur_layer))
tf.add_to_collection('losses',mse_loss)
loss=tf.add_n(tf.get_collection('losses'))
90-91 平滑损失函数
import tensorflow as tf
v1=tf.Variable(0,dtype=tf.float32)
step=tf.Variable(0,trainable=False)
ema=tf.train.ExponentialMovingAverage(0.99,step)
maintain_averages_op=ema.apply([v1])
with tf.Session() as sess:
init_op=tf.global_variables_initializer()
sess.run(init_op)
print(sess.run([v1,ema.average(v1)]))
sess.run(tf.assign(v1,5))
sess.run(maintain_averages_op)
print(sess.run([v1,ema.average(v1)]))
sess.run(tf.assign(step,10000))
sess.run(tf.assign(v1,10))
sess.run(maintain_averages_op)
print(sess.run([v1,ema.average(v1)]))
sess.run(maintain_averages_op)
print(sess.run([v1,ema.average(v1)]))
相关文章推荐
- 免费教材丨第55期:Python机器学习实践指南、Tensorflow 实战Google深度学习框架
- (Tensorflow之八)MNIST数字识别源码--实战Google深度学习框架5.2小节
- Tensorflow 实战google深度学习框架 07 滑动平均模型
- Tensorflow 实战google深度学习框架 02
- Tensorflow 实战Google深度学习框架(完整版) 百度网盘
- TensorFlow:实战Google深度学习框架(五)图像识别与卷积神经网络
- TensorFlow:实战Google深度学习框架(四)MINIST数据集识别问题
- Tensorflow 实战google深度学习框架 01
- 迁移学习源码全注释 - 《Tensorflow 实战 Google 深度学习框架》源码注释
- Tensorflow 实战google深度学习框架 09 计算图保存,与模型读取
- Tensorflow 实战google深度学习框架 05 学习率设置
- TensorFlow:实战Google深度学习框架(六)图像数据处理
- Tensorflow 实战Google深度学习框架
- Tensorflow 实战google深度学习框架 08 变量域
- Tensorflow 实战google深度学习框架 10 pb文件的保存&加载
- TensorFlow:实战Google深度学习框架(二)实现简单神经网络
- TensorFlow:实战Google深度学习框架(一)计算、数据、运行模型
- TensorFlow-实战Google深度学习框架 笔记(上)
- Tensorflow 实战google深度学习框架 04
- TensorFlow:实战Google深度学习框架,数据增强