keras_sample
所属分类：人工智能/神经网络/深度学习
开发工具：Python
文件大小：196078KB
下载次数：0
上传日期：2022-07-05 21:33:40
上 传 者：
sh-1993
说明： keras_sample,怎样训练一个神经网络: 基本分类 # 本指南训练了一个神经网络模型,来对服装图像进行分类,例如运动鞋和衬衫。这是一个对完整TensorFlow项目的简要概述,相关的细节会进行解释。本指南使用( [https: www.tensorfl...](https: www.tensorflow.org guide keras \)%EF%BC%8C%E8%BF%99%E6%98%AF%E4%B8%80%E4%B8%AA%E7%94%A8%E4%BA%8E%E5%9C%A8TensorFlow%E4%B8%AD%E6%9E%84%E5%BB%BA%E5%92%8C%E8%AE%AD%E7%BB%83%E6%A8%A1%E5%9E%8B%E7%9A%84%E9%AB%98%E7%BA%A7API%E3%80%82)
(keras_ Sample, How to Train a Neural Network: Basic Classification # This guide trains a neural network model to classify clothing images, such as sneakers and shirts. This is a brief overview of the complete TensorFlow project, and relevant details will be explained. This guide uses (https: www.tensorfl...)% EF% BC% 8C% E8% BF% 99% E6% 98% AF% E4% B8% 80% E4% B8% AA% E7% 94% A8% E4% BA% 8E% E5% 9C% A8TensorFlow% E4% B8% AD% E6% 9E% 84% E5% BB% BA% E5% 92% 8C% E8% AE% AD% E7% BB% 83% E6% A8% A1% E5% 9E% 8B% E7% 9A% 84% E9% AB% 98% E7% BA% A7API% E3% 80% 82))
文件列表:
.ipynb_checkpoints (0, 2019-09-06)
.ipynb_checkpoints\Untitled-checkpoint.ipynb (72, 2019-09-06)
.ipynb_checkpoints\Untitled1-checkpoint.ipynb (72, 2019-09-06)
1.jpg (3488609, 2019-09-06)
Eager_execution.py (1383, 2019-09-06)
Estimators (0, 2019-09-06)
Estimators\Estimator_1.py (1295, 2019-09-06)
GPU_CPU_speedup_test.py (1943, 2019-09-06)
Keras_apple_orange_classification.py (4333, 2019-09-06)
Keras_simple_sample.py (2165, 2019-09-06)
OANDA_sample (0, 2019-09-06)
OANDA_sample\v20-python-samples (0, 2019-09-06)
OANDA_sample\v20-python-samples\LICENSE.txt (1074, 2019-09-06)
OANDA_sample\v20-python-samples\Makefile (239, 2019-09-06)
OANDA_sample\v20-python-samples\data (0, 2019-09-06)
OANDA_sample\v20-python-samples\data\BVSP.csv (62820, 2019-09-06)
OANDA_sample\v20-python-samples\data\GSPC.csv (61952, 2019-09-06)
OANDA_sample\v20-python-samples\data\HSI.csv (64318, 2019-09-06)
OANDA_sample\v20-python-samples\data\IXIC.csv (61944, 2019-09-06)
OANDA_sample\v20-python-samples\data\N225.csv (61324, 2019-09-06)
OANDA_sample\v20-python-samples\goognet.py (2908, 2019-09-06)
OANDA_sample\v20-python-samples\goognet_1.py (21103, 2019-09-06)
OANDA_sample\v20-python-samples\index_SP500.csv (61952, 2019-09-06)
OANDA_sample\v20-python-samples\pandas_shift_test.py (1052, 2019-09-06)
OANDA_sample\v20-python-samples\requirements (0, 2019-09-06)
OANDA_sample\v20-python-samples\requirements\base.txt (72, 2019-09-06)
OANDA_sample\v20-python-samples\setup.py (2023, 2019-09-06)
OANDA_sample\v20-python-samples\src (0, 2019-09-06)
OANDA_sample\v20-python-samples\src\__init__.py (0, 2019-09-06)
OANDA_sample\v20-python-samples\src\account (0, 2019-09-06)
OANDA_sample\v20-python-samples\src\account\__init__.py (0, 2019-09-06)
OANDA_sample\v20-python-samples\src\account\account.py (7391, 2019-09-06)
OANDA_sample\v20-python-samples\src\account\changes.py (2312, 2019-09-06)
OANDA_sample\v20-python-samples\src\account\configure.py (1685, 2019-09-06)
OANDA_sample\v20-python-samples\src\account\details.py (1099, 2019-09-06)
... ...
```
### 怎样训练一个神经网络: 基本分类
本指南训练了一个神经网络模型,来对服装图像进行分类,例如运动鞋和衬衫。
这是一个对完整TensorFlow项目的简要概述,相关的细节会进行解释。
本指南使用('https://www.tensorflow.org/guide/keras'),
这是一个用于在TensorFlow中构建和训练模型的高级API。
Keras 分别针对keras里面用到的各个内容进行了说明,比较复杂难懂。
https://www.tensorflow.org/guide/keras
batch_size: NumPyテータを渡されたモテルは、テータをハッチに分割し、それを順繰りに舐めて学習を行います。一つのハッチに配分するサンフル数を、ハッチサイスとして整数て指定します。全サンフル数かハッチサイスて割り切れない場合、最後のハッチたけ小さくなる可能性かあることに注意しましょう。
batch_size应该只是提高处理速度,减少处理时间的,一次放入的样品数量。
一维矩阵到二维矩阵,其实2维矩阵是可以转换为一维矩阵的
a = tf.constant([1, 2, 3, 4, 5, 6], shape=[2, 3]) => [[1. 2. 3.] [4. 5. 6.]]
【TensorFlow】 CPUとGPUの速度比較
https://qiita.com/guitar_char/items/1ff037bd1455a***d6d05
单位的苹果机子第二次开始的训练大概10秒内。 第一次是33秒左右。
--- 訓練完了 ---
かかった時間: 9.40***3596***917
对应的github上面的代码
https://github.com/syatyo/tensorflow-practice
Premade Estimator
这个讲解重点是,中间有2个隐藏层,通过和隐藏层进行算法运算,得出不同的可能值,取最大的值。
https://www.tensorflow.org/guide/premade_estimators
Importing Data
To start an input pipeline, you must define a source. For example, to construct a Dataset from some tensors in memory, you can use tf.data.Dataset.from_tensors() or tf.data.Dataset.from_tensor_slices(). Alternatively, if your input data are on disk in the recommended TFRecord format, you can construct a tf.data.TFRecordDataset.
tf.train.shuffle_batch函数输入参数为:
tensor_list: 进入队列的张量列表The list of tensors to enqueue.
batch_size: 从数据队列中抽取一个批次所包含的数据条数The new batch size pulled from the queue.
capacity: 队列中最大的数据条数An integer. The maximum number of elements in the queue.
min_after_dequeue: 提出队列后,队列中剩余的最小数据条数Minimum number elements in the queue after a dequeue, used to ensure a level of mixing of elements.
num_threads: 进行队列操作的线程数目The number of threads enqueuing tensor_list.
seed: 队列中进行随机排列的随机数发生器,似乎不常用到Seed for the random shuffling within the queue.
enqueue_many: 张量列表中的每个张量是否是一个单独的例子,似乎不常用到Whether each tensor in tensor_list is a single example.
shapes: (Optional) The shapes for each example. Defaults to the inferred shapes for tensor_list.
name: (Optional) A name for the operations.
值得注意的是,capacity>=min_after_dequeue+num_threads*batch_size。
通过tf.train.Example写入并读取一个tf图片样本。 OK
https://blog.csdn.net/u010358677/article/details/70544241
https://www.2cto.com/kf/201702/604326.html
已经基本实现了创建tfrecord和读取tfrecord文件的程序。
Multi-Class Neural Networks: Softmax
https://developers.google.cn/machine-learning/crash-course/multi-class-neural-networks/softmax
```
近期下载者：
相关文件：
收藏者：