session.run()session.run([fetch1, fetch2])import tensorflow as tfstate = tf.Variable(0.0,dtype=tf.float32)one = tf.constant(1.0,dtype=tf.float32)new_val = tf.add(state, one)update = tf.assign(state

tensorflow Regularizers在损失函数上加上正则项是防止过拟合的一个重要方法,下面介绍如何在TensorFlow中使用正则项.tensorflow中对参数使用正则项分为两步:1. 创建一个正则方法(函数/对象)2. 将这个正则方法(函数/对象),应用到参数上如何创建一个正则方法函数tf.contrib.layers.l1_regularizer(scale, scope=N

conv3dtf.nn.conv3d(input, filter, strides, padding, name=None)Computes a 3-D convolution given 5-D input and filter tensors.In signal processing, cross-correlation is a measure of similarity o...

tesorflow中的激活函数所有激活函数 输入 和 输出 的维度是一样的tf.nn.relu()tf.nn.sigmoid()tf.nn.tanh()tf.nn.elu()tf.nn.bias_add()tf.nn.crelu()tf.nn.relu6()tf.nn.softplus()tf.nn.softsign()tf.nn.dropout()

跑程序的时候经常碰到 loss 为 nan 的情况，在此记录一下，防止忘记踩过的坑。第一种可能：激活函数使用 relu， 导致最后输出的值很大，exe^x 很有可能变成 nan，可以使用 cliped relu解决这个问题第二种可能：数据的问题，数据缺失

variable scopetensorflow 为了更好的管理变量,提供了variable scope机制官方解释:Variable scope object to carry defaults to provide to get_variable.Many of the arguments we need for get_variable in a variable store are

tensorflow中使用clip在训练深度神经网络的时候,我们经常会碰到梯度消失和梯度爆炸问题,scientists提出了很多方法来解决这些问题,本篇就介绍一下如何在tensorflow中使用clip来address这些问题train_op = tf.train.GradientDescentOptimizer(learning_rate=0.1).minimize(loss)在调用minimi

全局环境下编写代码import tensorflow as tfflags = tf.flagslogging = tf.loggingflags.DEFINE_string("para_name","default_val", "description")flags.DEFINE_bool("para_name","default_val", "description")FLAG = fl

control flowtf.cond(pred, fn1, fn2, name=None)等价于:res = fn1() if pred else fn2()注意：pred不能使 python bool， pred是个标量Tensor官网例子z = tf.mul(a, b)result = tf.cond(x < y, lambda: tf.add(x, z), lambda: tf.squ

rnn_cell水平有限,如有错误,请指正!本文主要介绍一下 tensorflow.python.ops.rnn_cell 中的一些类和函数,可以为我们编程所用run_cell._linear()def _linear(args, output_size, bias, bias_start=0.0, scope=None):args: list of tensor [batch_size, siz