tensorflow學習（日常更新）

2019.2.25   

tf.concat([tensor1, tensor2, tensor3,...], axis)  #用來拼接張量

t1 = [[1, 2, 3], [4, 5, 6]]

t2 = [[7, 8, 9], [10, 11, 12]]
tf.concat([t1, t2], 0) # [[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]]
tf.concat([t1, t2], 1) # [[1, 2, 3, 7, 8, 9], [4, 5, 6, 10, 11, 12]]
# tensor t3 with shape [2, 3]
# tensor t4 with shape [2, 3]
tf.shape(tf.concat([t3, t4], 0)) # [4, 3]
tf.shape(tf.concat([t3, t4], 1)) # [2, 6]

>>> a = np.array([[1, 2], [3, 4]])

>>> b = np.array([[5, 6]])
>>> np.concatenate((a, b), axis=0)
array([[1, 2],
[3, 4],
[5, 6]])
>>> np.concatenate((a, b.t), axis=1)
array([[1, 2, 5],
[3, 4, 6]])

tf.interactivesession():它能讓你在執行圖的時候，插入一些計算圖，這些計算圖是由某些操作(operations)構成的。這對於工作在互動式環境中的人們來說非常便利，比如使用ipython。

tf.session():需要在啟動session之前構建整個計算圖，然後啟動該計算圖。

2019.3.2

1.tf.reshape(tensor,shape,name=none)

import numpy as np

a=np.array([1,2,3,4,5,6,7,8])
output=a.reshape((2,4))
print(output)

TensorFlow框架 不能更簡單 1

1.tensorflow是一種以資料流圖存在的框架。節點 操作 和邊 資料流 控制 2.張量 操作 會話 3.常量 變數 佔位符 4.完成乙個深度學習網路的步驟。1 資料預處理 2 構建深度學習網路框架 utils.py model.py yolo.py 定義損失函式以及選擇優化器等。3 訓練 tr...

tensorflow 學習 學習中

基於 virtualenv 的安裝 在 linux 上 sudo apt get install python pip python dev python virtualenv 在 mac 上 sudo easy install pip 如果還沒有安裝 pip sudo pip install up...

日常學習總結

關於vb中的把字串 日期型 數值型 賦值給某個變數的寫法 eg dim m1,r 此處我並不清楚 m1 到底是什麼型別 所以vb會自動匹配其應該所屬的型別，這是vb的一點強大之處 m select fitemid from t item where fitemclassid 3 and fnumbe...