TessorFlow学习 之 序言
2017.10.23日记录:
感觉平时自己学的还不错的,可是面试的时候才发现自己是个渣渣~~,真的感觉学习不能闭门造车!
面试了图像处理算法工程师-->>
1.精通哪门语言?C、C++、Py ?你会C++是吧?那你说static变量在什么时候被分配内存的?懵逼的干活。。。
2.你会图像处理?那你用什么进行程序优化的?用几个线程对程序进行控制的?能写出来算法就不错了。。。
3.你会深度学习吗?不会?现在不用深度学习做图像的貌似很少吧?
4.三维重建、视频处理你会吗?GGG。。。
总结: A.opencv会了只代表你是机械学生会了CAD。貌似这个大家都懂!
B.可以利用opencv处理一些图像,或者自己加一点算法,只代表你会CAD画一些工程图。貌似这个出去要么找不到工作,要么就是一个绘图员!
C.会三维重建,相当于机械会了UG、SW、ProE、CT,就是实体化一些东西给人感觉好多了。
D.会深度学习,相当于机械会了造东西,这个时候我们可以做一些东西,比如:人脸识别系统、指纹识别。。。
F.会优化程序,相当于会改进别人做的东西,就是模仿改造了,公司喜欢这样的人。
G.会把理论变成现实,就是看别人论文用程序实现,这个了不得接私活完全成为大Boss了。
H.自己创造算法,貌似只有数学系或者博士等的研究者吧?
个人发展:
第三步进行中。。。。。。
TessorFlow初探:
图像处理用C++,深度学习用Python,至于以后QT的开发以后再说。
安装不用说了--->>>
来个小例子,当时我花了一个多星期弄懂原理和编写程序,现在几分钟:
1 import tensorflow as tf 2 import numpy as np 3 4 if __name__ == '__main__': 5 # 创建训练数据 6 x_data = np.random.rand(100).astype(np.float32) 7 y_data = x_data * 0.5 + 0.1 8 # 随机产生一个W,B的值 9 Weights = tf.Variable(tf.random_uniform([1], -10, 10)) 10 Baises = tf.Variable(tf.random_uniform([1], -10, 10)) 11 12 y = Weights * x_data + Baises 13 #创建TF训练模型结构 14 loss = tf.reduce_mean(tf.square(y - y_data)) 15 optimizer = tf.train.GradientDescentOptimizer(0.5) 16 train = optimizer.minimize(loss) 17 init = tf.initialize_all_variables() 18 #初始化运行 19 sess = tf.Session() 20 sess.run(init) 21 #实时查看 22 for step in range(201): 23 sess.run(train) 24 if step%20 ==0: 25 print(step,sess.run(Weights),sess.run(Baises))
训练一个y=kx+b的模型,K、B参数不断进行梯度更新,目标:k = 0.5, b = 0.1
看着训练的结果,实在是太棒了,但是我现在还不了解具体什么意思。。。后面继续努力学习
TF结构分析
刚拿到TF,买了两本书(网上最火的两本,你懂得),看了几个小时完全不懂,看了莫凡大神的代码之后感觉恍然大悟,程序员你不上代码光看书,逗我呢?
TF--->>>Session
简单理解,一个执行的函数,相当于单片机上面的led.init()、Tick.init()....就是你程序写好之后,TF是不运行的,必须进过Session去运行才可以!
例一:
1 import tensorflow as tf 2 import numpy as np 3 4 if __name__ == '__main__': 5 matrax1 = tf.constant([[1,2,3]])#相当于np.array(),建立一行三列数据 6 matrax2 = tf.constant([[1],[2],[3]]) 7 project = tf.matmul(matrax1,matrax2)#相乘 8 sess = tf.Session()#建立一个Session 9 result = sess.run(project)#用Session去运行matmul乘法 10 print(result) 11 sess.close()
例二:
1 import tensorflow as tf 2 import numpy as np 3 4 if __name__ == '__main__': 5 matrax1 = tf.constant([[1,2,3]])#相当于np.array(),建立一行三列数据 6 matrax2 = tf.constant([[1],[2],[3]]) 7 project = tf.matmul(matrax1,matrax2)#相乘 8 9 with tf.Session() as sess:#相当于 sess = tf.Session(),读取结束之后自动关闭==sess.close() 10 print(sess.run(project))
TF--->>>Variable
变量,可以更新的数,相当于一个字典(比字典强大),使用的时候得初始化
1 import tensorflow as tf 2 import numpy as np 3 4 if __name__ == '__main__': 5 6 state = tf.Variable(0,name="count") #定义一个变量值为0,名字是count,相当于字典 7 ones = tf.constant(1) #常量const 8 new_value = tf.add(state,ones) #相加 9 up_data = tf.assign(state,new_value) #更新state,不是C语言的指针不能直接更新,相当于等于号 10 init = tf.global_variables_initializer() #只要有Variable变量,就需要初始化 11 with tf.Session() as sess: 12 sess.run(init) 13 for _ in range(3): 14 print(sess.run(up_data))
TF--->>>placeholder
可以输入的变量,相当于getchar()
Tensorflow 如果想要从外部传入data, 那就需要用到 tf.placeholder()
, 然后以这种形式传输数据 sess.run(***, feed_dict={input: **})
.
1 import tensorflow as tf 2 import numpy as np 3 4 if __name__ == '__main__': 5 6 input1 = tf.placeholder(tf.float32) 7 input2 = tf.placeholder(tf.float32) 8 output = tf.multiply(input1,input2) 9 with tf.Session() as sess: 10 print(sess.run(output,feed_dict={input1:[7.],input2:[10.]}))
参考莫凡大大的网站:https://morvanzhou.github.io/
转载于:https://www.cnblogs.com/wjy-lulu/p/7717448.html
TessorFlow学习 之 序言相关推荐
- ————《metasploit 魔鬼训练营》学习笔记序言
Data 2017.12.27 Time 0:44 2017年底,我刚过20岁生日.12.18那天,自己在健康心理学论文和打py代码中度过. 12月份中旬,在py绝技中看到了metasploit这个东 ...
- 数学基础学习随笔--序言
最近在研究信号处理,更多的涉及到机器学习和模式识别~发现自己的数学基础实在差的可以~所以,给自己找个机会,充充电,这样做研究的时候也能胸有成竹,这个"竹"就是数学基础,一节一节的攀 ...
- 【读书笔记】金字塔原理-学习总结
至此,我们已经学习了了构建金字塔的基本原理,也学习了金字塔呈现的原则,应该已经可以尝试搭建属于我们自己的金字塔了.本篇我们再提供一些小贴士,希望能使你浇筑的金字塔更为坚固,并在本篇的最后,做整个系列的 ...
- 学习,教育的1000+篇文章总结
学习,教育的1000+篇文章总结 本文收集和总结了有关学习,教育的1000+篇文章,由于篇幅有限只能总结近期的内容,想了解更多内容可以访问:http://www.ai2news.com/, 其分享了有 ...
- 学会python需要数学吗_机器学习数学基础:学习线性代数,千万不要误入歧途!推荐一个正确学习路线...
机器学习数学基础:学习线性代数,千万不要误入歧途!推荐一个正确学习路线 序言 写完<机器学习深度研究:机器学习中的高等数学/微积分及Python实现>,觉得十分对不起读者,写的自己都不满意 ...
- SpringBoot 使用Swagger2打造在线接口文档(附源代码)
点击上方"好好学java",选择"置顶公众号" 优秀学习资源.干货第一时间送达! 精彩内容 java实战练习项目教程 2018微服务资源springboot.s ...
- AD(altium designer)15原理图与PCB设计教程(七)——印制电路板的布局设计
目录 序言 布局规则设置 打开规则设置 Room Definition"规则设置 "Component Clearance"规则设置 "Component Or ...
- linux如何永久获取root,Linux如何获取root权限?我只想到这些方法了,欢迎补充
请关心本今日头条号,每日坚持不懈升级原創干货知识技术性文章内容. 如需自学视频教程,请在微信搜索公众号"智传网优"立即刚开始自助式学习视频 序言 文中关键解读Linux系统软件怎样 ...
- 李宏毅机器学习课程自测练习题
暂停更新 Last Modified 2022.1.7 Fri 22:27 目录(计划包含以下内容): 简介 线性分类与感知机 数学基础 卷积神经网络 循环神经网络 自注意力机制 Transforme ...
最新文章
- mysql 单例模式好处_PHP单例模式的优点分析
- html 未来元素绑定事件,jquery on如何给未来元素绑定事件?
- 独家 | 分答深度报告:42天估值1亿美金,分答如何获取百万付费用户?
- 巡检水中机器人_物联卡的应用,管廊隧道巡检机器人“上岗”啦!
- 在c语言中函数的定义变量的值为,变量定义(C语言中变量的声明和定义)
- python怎么画参数函数图像_详解pandas.DataFrame.plot() 画图函数
- linux怎么进入优盘目录,LINUX 9.0怎么挂载U盘?
- 银泰抛弃传统数据库转投阿里云PolarDB 投入产出比增长2倍以上
- mysql relay log_mysql binlog和relay log日志如何清除
- Timesnet: Temporal 2d-variation modeling for general time series analysis
- 在使用百度地图API时,浏览器报错
- 例题 8-10 抄书(Copying Books,UVa 714)
- TI的单芯片毫米波雷达传感器配置命令是如何传递到DSP和ARM核的?(串口程序代码走读)
- qt绘画事件-设置背景图片
- 苦逼的程序员幽默之对联恶搞
- Python list 列表方法
- js获取内网/局域网ip地址,操作系统,浏览器版本等信息
- hp服务器重置bmc,服务器BMC(带外)
- 通过 U 盘启动重装 macOS 系统
- Sqlmap 22.05.22.02