Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
D_ACMER
apachecn-dl-zh
提交
ac73e1f9
A
apachecn-dl-zh
项目概览
D_ACMER
/
apachecn-dl-zh
与 Fork 源项目一致
Fork自
OpenDocCN / apachecn-dl-zh
通知
1
Star
0
Fork
0
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
A
apachecn-dl-zh
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
体验新版 GitCode,发现更多精彩内容 >>
提交
ac73e1f9
编写于
8月 06, 2020
作者:
W
wizardforcel
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
2020-08-06 12:19:40
上级
a4f925c8
变更
5
隐藏空白更改
内联
并排
Showing
5 changed file
with
10 addition
and
10 deletion
+10
-10
docs/mastering-tf-1x-zh/ch02.md
docs/mastering-tf-1x-zh/ch02.md
+6
-6
docs/mastering-tf-1x-zh/ch10.md
docs/mastering-tf-1x-zh/ch10.md
+1
-1
docs/mastering-tf-1x-zh/ch11.md
docs/mastering-tf-1x-zh/ch11.md
+1
-1
docs/mastering-tf-1x-zh/ch12.md
docs/mastering-tf-1x-zh/ch12.md
+1
-1
docs/mastering-tf-1x-zh/ch15.md
docs/mastering-tf-1x-zh/ch15.md
+1
-1
未找到文件。
docs/mastering-tf-1x-zh/ch02.md
浏览文件 @
ac73e1f9
...
...
@@ -117,7 +117,7 @@ TFSlim 提供了几个模块,可以独立挑选和应用,并与其他 Tensor
TFSlim 的简单工作流程如下:
1.
使用
细长
层创建模型。
1.
使用
Slim
层创建模型。
2.
提供层的输入以实例化模型。
3.
使用对率和标签来定义损失。
4.
使用便利函数
`get_total_loss()`
获得全部损失。
...
...
@@ -305,7 +305,7 @@ TFLearn 在`tflearn.layers.estimator`模块中只提供一层:
| --- | --- |
|
`regression`
| 该层实现线性或逻辑回归 |
在创建回归层时,您可以指定优化
程序
以及损失和度量函数。
在创建回归层时,您可以指定优化
器
以及损失和度量函数。
TFLearn 在
`tflearn.optimizers`
模块中提供以下优化器函数作为类:
...
...
@@ -436,8 +436,8 @@ PrettyTensor 以名为`apply()`的方法提供了一个非常轻量级和可扩
2.
定义超参数和参数。
3.
定义输入和输出。
4.
定义模型。
5.
定义评估
程序,优化程序
和训练器函数。
6.
创建
跑步者
对象。
5.
定义评估
器,优化器
和训练器函数。
6.
创建
运行器
对象。
7.
在 TensorFlow 会话中,使用
`runner.train_model()`
方法训练模型。
8.
在同一会话中,使用
`runner.evaluate_model()`
方法评估模型。
...
...
@@ -489,7 +489,7 @@ Accuracy after 10 epochs 0.8899999856948853
Sonnet 是一个用 Python 编写的面向对象的库。它是由 DeepMind 在 2017 年发布的。Sonnet 打算从对象中清晰地分离构建计算图的以下两个方面:
*
对象的配置称为模块
*
称为模块的对象的配置
*
对象与计算图的连接
可以使用以下命令在 Python3 中安装 Sonnet:
...
...
@@ -521,7 +521,7 @@ pip3 install dm-sonnet
5.
使用模型为训练和测试集定义
`y_hat`
占位符。
1.
定义训练和测试集的损失占位符。
2.
使用训练损失占位符定义优化
程序
。
2.
使用训练损失占位符定义优化
器
。
3.
在 TensorFlow 会话中执行所需数量的周期的损失函数以优化参数。
笔记本电脑
`ch-02_TF_High_Level_Libraries`
中提供了 Sonnet MNIST 分类示例的完整代码。 每个类中的
`__init__`
方法初始化类和相关的超类。
`_build`
方法在调用类时创建并返回数据集或模型对象。 Sonnet MNIST 示例的输出如下:
...
...
docs/mastering-tf-1x-zh/ch10.md
浏览文件 @
ac73e1f9
...
...
@@ -633,7 +633,7 @@ reg_loss = -0.5*tf.reduce_sum(1 + z_log_var - tf.square(z_mean)
loss
=
tf
.
reduce_mean
(
rec_loss
+
reg_loss
)
```
1.
根据
`AdapOptimizer`
定义优化
程序
函数:
1.
根据
`AdapOptimizer`
定义优化
器
函数:
```
py
optimizer
=
tf
.
train
.
AdamOptimizer
(
learning_rate
=
learning_rate
)
...
...
docs/mastering-tf-1x-zh/ch11.md
浏览文件 @
ac73e1f9
...
...
@@ -211,7 +211,7 @@ output=[ 0.30000001 0.60000002 0.90000004 1.20000005]
在 Keras 中,保存和恢复模型非常简单。 Keras 提供三种选择:
*
使用其网络体系结构,权重(参数),训练配置和优化
程序
状态保存完整模型。
*
使用其网络体系结构,权重(参数),训练配置和优化
器
状态保存完整模型。
*
仅保存架构。
*
只保存权重。
...
...
docs/mastering-tf-1x-zh/ch12.md
浏览文件 @
ac73e1f9
...
...
@@ -1412,7 +1412,7 @@ init_fn = slim.assign_from_checkpoint_fn(
variables_to_restore
)
```
1.
定义损失,优化
程序
和训练操作:
1.
定义损失,优化
器
和训练操作:
```
py
tf
.
losses
.
softmax_cross_entropy
(
onehot_labels
=
y_p
,
logits
=
logits
)
...
...
docs/mastering-tf-1x-zh/ch15.md
浏览文件 @
ac73e1f9
...
...
@@ -380,7 +380,7 @@ worker=2, final accuracy = 0.8894000053405762
对于同步更新,需要对代码进行以下修改:
1.
优化器需要包装在
`SyncReplicaOptimizer`
中。因此,在定义优化
程序
后,添加以下代码:
1.
优化器需要包装在
`SyncReplicaOptimizer`
中。因此,在定义优化
器
后,添加以下代码:
```
py
# SYNC: next line added for making it sync update
...
...
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录