TensorFlow學習筆記(2)--執行MNIST例子
安裝好TensofFlow後,就可以跑例子了,首先還是跑一下最常見的MNIST。
$ python -m tensorflow.models.image.mnist.convolutional
執行結果如下:
Successfully downloaded train-images-idx3-ubyte.gz 9912422 bytes. Successfully downloaded train-labels-idx1-ubyte.gz 28881 bytes. Successfully downloaded t10k-images-idx3-ubyte.gz 1648877 bytes. Successfully downloaded t10k-labels-idx1-ubyte.gz 4542 bytes. Extracting data/train-images-idx3-ubyte.gz Extracting data/train-labels-idx1-ubyte.gz Extracting data/t10k-images-idx3-ubyte.gz Extracting data/t10k-labels-idx1-ubyte.gz Initialized! Step 0 (epoch 0.00), 4.4 ms Minibatch loss: 12.054, learning rate: 0.010000 Minibatch error: 90.6% Validation error: 84.6% Step 100 (epoch 0.12), 288.4 ms Minibatch loss: 3.269, learning rate: 0.010000 Minibatch error: 6.2% Validation error: 6.9% Step 200 (epoch 0.23), 285.7 ms Minibatch loss: 3.474, learning rate: 0.010000 Minibatch error: 12.5% Validation error: 3.6% Step 300 (epoch 0.35), 288.9 ms Minibatch loss: 3.215, learning rate: 0.010000 Minibatch error: 7.8% Validation error: 3.4% Step 400 (epoch 0.47), 305.0 ms Minibatch loss: 3.224, learning rate: 0.010000 Minibatch error: 6.2% Validation error: 2.8%
相關推薦
TensorFlow學習筆記(2)--執行MNIST例子
安裝好TensofFlow後,就可以跑例子了,首先還是跑一下最常見的MNIST。 $ python -m tensorflow.models.image.mnist.convolutional 執
深度學習-tensorflow學習筆記(2)-MNIST手寫字體識別
image utf-8 詳情 識別 標簽 ins AI tor 第一個 深度學習-tensorflow學習筆記(2)-MNIST手寫字體識別 這是tf入門的第一個例子。minst應該是內置的數據集。 前置知識在學習筆記(1)裏面講過了 這裏直
tensorflow學習筆記(2)-反向傳播
die AD col 更新 min with SQ 矩陣 glob tensorflow學習筆記(2)-反向傳播 反向傳播是為了訓練模型參數,在所有參數上使用梯度下降,讓NN模型在的損失函數最小 損失函數:學過機器學習logistic回歸
TensorFlow學習筆記(2) 深層神經網路
一、深度學習與深層神經網路 深度學習是指一類通過多層非線性變換對高複雜性資料建模演算法的合集,深層神經網路就是實現多層非線性變換最常用的一種方法。而深度學習兩個最重要的特性就是多層和非線性。 在上一篇最後所建立的神經網路即為線性的,但是在現實世界中,絕大多數的問題時無法線性分割的,因此需要一
Tensorflow學習筆記(2)
tf.random_normal([2,3], stddev=2):生成矩陣為2*3,均值為0,標準差為2的隨機數。 正態分佈:若隨機變數X服從一個數學期望為μ、方差為σ^2 的正態分佈,記為N(μ,σ^2)。其概率密度函式為正態分佈的期望值μ決定了其位置,其標
Docker學習筆記(2)——執行nginx
一.下載映象這裡我們使用網易蜂巢來查詢相應的映象:可見右上角就有下載映象的指令啦~下載一波後就可以檢視到這個映象了然後就就執行這個映象:docker run hub.c.163.com/library/nginx執行後發現結果是一片空白,這是為啥呢?因為這樣執行我們只是在前臺
Tensorflow學習筆記(2):tf.nn.dropout 與 tf.layers.dropout
You want to use the dropout() function in tensorflow.contrib.layers, not the one in tensorflow.nn. The only differences in the two funct
斯坦福CS20 TensorFlow學習筆記(2):TensorFlow Ops
斯坦福CS20 TensorFlow學習筆記(2):TensorFlow Ops 上一節我們介紹了graph、tensor和session,這一節主要介紹operation。主要內容有: TensorBoard的基本用法 Ba
tensorflow學習筆記——多執行緒輸入資料處理框架
之前我們學習使用TensorFlow對影象資料進行預處理的方法。雖然使用這些影象資料預處理的方法可以減少無關因素對影象識別模型效果的影響,但這些複雜的預處理過程也會減慢整個訓練過程。為了避免影象預處理成為神經網路模型訓練效率的瓶頸,TensorFlow提供了一套多執行緒處理輸入資料的框架。 下面總結了
TensorFlow學習筆記(2)——CNN應用於MNIST
對於一個卷積網路來說,幾個必不可少的部分為: 輸入層:用以對資料進行輸入 卷積層:使用給定的核函式對輸入的資料進行特徵提取,並根據核函式的資料產生若干個卷積特徵結果 池化層:用以對資料進行降維,減少資料的特徵 全連線層:對資料已有的特徵進行重新提取並輸出結果
tensorflow學習筆記之使用tensorflow進行MNIST分類(2)
接著上一篇:http://blog.csdn.net/IEEE_FELLOW/article/details/53012351 本文參考Yann LeCun的LeNet5經典架構,稍加ps得到下面適用於本手寫識別的cnn結構,構造一個兩層卷積神經網路,神經網路的結構如下圖
TensorFlow學習筆記(二):快速理解Tutorial第一個例子-MNIST機器學習入門
TensorFlow教程的第一章“MNIST機器學習入門”很簡單,用了一個很簡單的網路,實現了MNIST樣本訓練。 教程連結:http://wiki.jikexueyuan.com/project/tensorflow-zh/tutorials/mnist_
tensorflow學習筆記——使用TensorFlow操作MNIST資料(2)
tensorflow學習筆記——使用TensorFlow操作MNIST資料(1) 一:神經網路知識點整理 1.1,多層:使用多層權重,例如多層全連線方式 以下定義了三個隱藏層的全連線方式的神經網路
Jmeter學習筆記2-原件作用域與執行順序
校驗 height sse proc tro 有效 收集 技術分享 控制 1.元件的作用域 (1)配置元件(config elements):會影響其作用範圍內的所有元件。 (2)前置處理程序(per-processors):在其作用範圍內的每一個sampler元件之
TensorFlow學習筆記(2)----placeholder
ict int run put out import 筆記 float output 1、占位符placeholder 有placeholder後面就有一個feed_dict綁定 import tensorflow as tf #placeholder在開始時相當於先為
TensorFlow學習筆記(一)-- Softmax迴歸模型識別MNIST
最近學習Tensorflow,特此筆記,學習資料為21個專案玩轉深度學習 基於TensorFlow的實踐詳解 Softmax迴歸是一個線性的多分類模型,它是從Logistic迴歸模型轉化而來的,不同的是Logistic迴歸模型是一個二分類模型,而Softmax迴歸模型是一個多分類模型
tensorflow學習筆記(北京大學) tf5_1minst_forward.py 完全解析 mnist資料集
#coding:utf-8 #tensorflow學習筆記(北京大學) tf5_1minst_forward.py 完全解析 mnist資料集 #QQ群:476842922(歡迎加群討論學習 import tensorflow as tf #網路輸入節點為784個(代表每張輸入圖片的畫素個
tensorflow學習筆記(第一天)-MNIST機器學習入門
MNIST機器學習入門 這個是關於tensorflow的中文文件: http://wiki.jikexueyuan.com/project/tensorflow-zh/tutorials/mnist_beginners.html MNIST是一個入門級的
TensorFlow學習筆記(1)—— MNIST手寫識別
1、初步學習 資料處理 xs:60000張圖片,28*28大小,將所有畫素點按一列排列,資料集變為了[60000, 784]的二維矩陣。 ys:60000張圖片,每個圖片有一個標籤標識圖片中數字,採用one-hot向量,資料集變為[60000, 10]的二維矩陣。 softm
Dockerfile構建映象並測試執行(docker學習筆記2)
Dockerfile構建映象並測試執行 1建立Dockerfile 建立一個空目錄,建立一個名為的檔案Dockerfile,將以下內容複製並貼上到該檔案中,然後儲存。記下解釋新Dockerfile中每個語句的註釋。 # 使用官方Python作為執行時父映象 FR