liudongdong_jlu

def onehot(labels):　　'''one-hot 编码'''　　#数据有几行输出　　n_sample = len(labels)　　#数据分为几类。因为编码从0开始所以要加1　　n_class = max(labels) + 1　　#建立一个batch所需要的数组，全部赋0.　　onehot_labels = np.zeros((n_sample, n_class))...

1、tf.argmax(vector, 1)返回的是vector中的最大值的索引号，如果vector是一个向量，那就返回一个值，如果是一个矩阵，那就返回一个向量，这个向量的每一个维度都是相对应矩阵行的最大值元素的索引号。import tensorflow as tfimport numpy as np A = [[1,3,4,5,6]]B = [[1,3,4], [2,4,1]] ...

TensorFlow支持各种异构的平台，支持多CPU/GPU，服务器，移动设备，具有良好的跨平台的特性；TensorFlow的系统结构以C API为界，将整个系统分为「前端」和「后端」两个子系统：整的架构图如下：分层介绍 底层： 设备通信层， 负责网络通信和设备管理。 设备管理可以实现TF设备异构的特性，支持CPU、GPU、Mobile等不同设备。网络通信依赖gRPC通信协...

为什么用FineTuning 使用别人训练好的网络模型进行训练，前提是必须和别人用同一个网络，因为参数是根据网络而来的。当然最后一层是可以修改的，因为我们的数据可能并没有1000类，而只有几类。把最后一层的输出类别和层的名称改一下。用别人的参数、修改后的网络和自己的数据进行训练，使得参数适应自己的数据，这样一个过程，通常称之为微调（fine tuning).也就是说，我们所拥有的...