tensorflow之四运转方式入门

mnist.py 的目的
fully_connected_feed.py的目的
只需要直接运行fully_connected_feed.py文件，就可以开始训练：

在这里插入代码片

在run_training()方法的一开始，什么函数会确保你的本地训练文件夹中，已经下载了正确的数据，然后将这些数据解压并返回一个含有什么实例的字典。
什么标记是用于单元测试的，读者可以不必理会。
data_sets.train的目的
data_sets.validation的目的
data_sets.test的目的
什么函数将生成两个tf.placeholder操作，定义传入图表中的什么参数
shape参数中包括什么值，后续还会将实际的训练用例传入图表。

在这里插入代码片

在训练循环（training loop）的后续步骤中，什么会被切片，以符合每一个操作所设置的batch_size值
然后使用什么参数，将数据传入sess.run()函数。
在为数据创建占位符之后，就可以运行mnist.py文件，经过三阶段的模式函数操作：什么，什么，和什么。图表就构建完成了。
什么函数会尽可能地构建图表，做到返回包含了预测结果（output prediction）的Tensor。
它接受什么为输入，在此基础上借助什么激活函数
构建一对什么，以及一个有着几个节点（node）、指明了什么的线性层。
每一层都创建于一个唯一的什么之下，创建于该作用域之下的所有元素都将带有其前缀

在这里插入代码片

在定义的作用域中，每一层所使用的权重和偏差都在哪里生成，并且包含了各自期望的什么。

在这里插入代码片

当这些层是在hidden1作用域下生成时，赋予权重变量的独特名称将会是什么？
每个变量在构建时，都会获得什么？
在这种最常见的情况下，通过什么函数初始化权重变量，
赋予的shape则是一个二维tensor，其中第一个维度代表什么，第二个维度代表什么？
对于名叫hidden1的第一层，相应的维度则是什么？
tf.truncated_normal初始函数将根据所得到的均值和标准差，生成什么？
通过什么函数初始化偏差变量（biases），确保所有偏差的起始值都是几，
而它们的shape则是什么？
图表的三个主要操作，分别是什么？

在这里插入代码片

loss()函数通过添加什么，进一步构建图表。
首先，labels_placeholer中的值，将被编码为什么？
例如，如果类标识符为“3”，那么该值就会被转换为什么？
之后，又添加一个tf.nn.softmax_cross_entropy_with_logits操作，用来比较什么？

在这里插入代码片

使用tf.reduce_mean函数，计算batch维度（第一维度）下交叉熵（cross entropy）的平均值，将将该值作为总损失

在这里插入代码片

什么函数添加了通过梯度下降（gradient descent）将损失最小化所需的操作。
首先，该函数从什么函数中获取损失Tensor
将其交给什么，后者在与什么（见下文）配合使用时，可以向事件文件（events file）中生成汇总值（summary values
每次写入汇总值时，它都会释放什么？
接下来，我们实例化一个tf.train.GradientDescentOptimizer，负责按照所要求的学习效率（learning rate）应用梯度下降法（gradients）

在这里插入代码片

之后，我们生成一个变量用于什么？
使用什么函数更新系统中的三角权重（triangle weights）、增加全局步骤的操作
这个操作被称为 train_op，是TensorFlow会话（session）诱发一个完整训练步骤所必须运行的操作

在这里插入代码片

最后，程序返回什么？
一旦图表构建完毕，就通过什么文件中的用户代码进行循环地迭代式训练和评估。
在run_training()这个函数的一开始，是一个Python语言中的with命令，这个命令表明什么？
什么是一系列可以作为整体执行的操作。
TensorFlow的大部分场景只需要依赖什么？
完成全部的构建准备、生成全部所需的操作之后，我们就可以创建一个tf.Session，用于运行图表。

在这里插入代码片

另外，也可以利用with代码块生成Session，限制作用域：

在这里插入代码片

Session函数中没有传入参数，表明该代码什么？
生成会话之后，所有tf.Variable实例都会立即通过调用各自初始化操作中的sess.run()函数进行初始化

在这里插入代码片

sess.run()方法将会运行什么？
在初次调用时，init操作只包含了什么？
图表的其他部分不会在这里，而是在哪
完成会话中变量的初始化之后，就可以干什么？
训练的每一步都是通过用户代码控制，而能实现有效训练的最简单循环就是

在这里插入代码片

教程中的例子要更为复杂一点，原因是什么？
执行每一步时，我们的代码会生成什么？
这些例子的哈希键就是什么？
什么函数会查询给定的DataSet
索要下一批次batch_size的图像和标签，与占位符相匹配的Tensor则会包含什么

在这里插入代码片

然后，以占位符为哈希键，创建一个Python字典对象，键值则是其代表的反馈Tensor

在这里插入代码片

这个字典随后作为什么参数，传入sess.run()函数中，为这一步的训练提供输入样例。
在运行sess.run函数时，要在代码中明确其需要获取的两个值:

在这里插入代码片

因为要获取这两个值，sess.run()会返回什么？
其中每一个Tensor对象，对应了什么？
这些数组中包含了什么？
由于train_op并不会产生输出，其在返回的元祖中的对应元素就是几，所以会怎样。
如果模型在训练中出现偏差，loss Tensor的值可能会变成什么，所以我们要获取它的值，并记录下来
假设训练一切正常，没有出现NaN，训练循环会怎样

在这里插入代码片

为了释放TensorBoard所使用的事件文件（events file），所有的即时数据（在这里只有一个）都要在图表构建阶段合并至一个操作（op）中。

在这里插入代码片

在创建好会话（session）之后，可以实例化一个tf.train.SummaryWriter，用于写入包含了图表本身和即时数据具体值的事件文件。

在这里插入代码片

最后，每次运行summary_op时，都会往事件文件中写入最新的即时数据，函数的输出会传入事件文件读写器（writer）的add_summary()函数。

在这里插入代码片

事件文件写入完毕之后，可以就训练文件夹打开一个什么，查看即时数据的情况。
为了得到可以用来后续恢复模型以进一步训练或评估的检查点文件（checkpoint file），我们实例化一个tf.train.Saver。

在这里插入代码片

在训练循环中，将定期调用saver.save()方法，向训练文件夹中写入包含了当前所有可训练变量值得检查点文件。

在这里插入代码片

这样，我们以后就可以使用saver.restore()方法，重载模型的参数，继续训练。

在这里插入代码片

每隔一千个训练步骤，我们的代码会尝试使用训练数据集与测试数据集，对模型进行评估。do_eval函数会被调用三次，分别使用训练数据集、验证数据集合测试数据集

在这里插入代码片

在打开默认图表（Graph）之前，我们应该先调用get_data(train=False)函数，抓取测试数据集。

在这里插入代码片

在进入训练循环之前，我们应该先调用mnist.py文件中的evaluation函数，传入的logits和标签参数要与loss函数的一致。这样做事为了先构建Eval操作。

在这里插入代码片

evaluation函数会生成tf.nn.in_top_k 操作，如果在K个最有可能的预测中可以发现真的标签，那么这个操作就会将模型输出标记为正确。在本文中，我们把K的值设置为1，也就是只有在预测是真的标签时，才判定它是正确的。

在这里插入代码片

之后，我们可以创建一个循环，往其中添加feed_dict，并在调用sess.run()函数时传入eval_correct操作，目的就是用给定的数据集评估模型。

在这里插入代码片

true_count变量会累加所有in_top_k操作判定为正确的预测之和。接下来，只需要将正确测试的总数，除以例子总数，就可以得出准确率了。

在这里插入代码片

tensorflow之四运转方式入门相关推荐

TensorFlow保姆级别教入门，不会就把我头打爆
TensorFlow保姆级别教入门,不会就把我头打爆. 前言: 仓库地址:https://github.com/linxinloningg/tf_project 数据集地址:https://aistu ...
TensorFlow数据读取方式：Dataset API，以及如何查看dataset:DatasetV1Adapter的方法
TensorFlow数据读取方式:Dataset API Datasets:一种为TensorFlow 模型创建输入管道的新方式.把数组.元组.张量等转换成DatasetV1Adapter格式 Dat ...
Ubuntu：Ubuntu下安装Anaconda和Tensorflow的简介、入门、安装流程之详细攻略
Ubuntu:Ubuntu下安装Anaconda和Tensorflow的简介.入门.安装流程之详细攻略目录安装流程 1.安装nvidia显卡驱动 2.安装cuda8 3.安装Cudnn 4.Ana ...
TensorFlow 2.0 快速入门指南 | iBooker·ApacheCN
原文:TensorFlow 2.0 Quick Start Guide 协议:CC BY-NC-SA 4.0 自豪地采用谷歌翻译不要担心自己的形象,只关心如何实现目标.--<原则>,生活 ...
【tensorflow 读取图片方式】本地文件名读取以及url方式读取
无意中发现了一个巨牛的人工智能教程,忍不住分享一下给大家.教程不仅是零基础,通俗易懂,而且非常风趣幽默,像看小说一样!觉得太牛了,所以分享给大家.点这里可以跳转到教程.人工智能教程图片存在形式,一般 ...
python提取发票信息发票识别_（附完整python源码）基于tensorflow、opencv的入门案例_发票识别二：字符分割...
(附完整python源码)基于tensorflow.opencv的入门案例_发票识别二:字符分割发布时间:2018-05-14 20:16, 浏览次数:1201 , 标签: python tenso ...
python之四种方式读取文档
python之四种方式读取文档第一种:读取纯文本 1:代码 # coding=utf-8 """ @author: jiajiknag 程序功能: 读取txt文件 &q ...
TensorFlow 教程 --教程--2.5TensorFlow运作方式入门
代码:tensorflow/g3doc/tutorials/mnist/ 本篇教程的目的,是向大家展示如何利用TensorFlow使用(经典)MNIST数据集训练并评估一个用于识别手写数字的简易前馈神 ...
TensorFlow运作方式入门
Table of Contents 教程使用的文件准备数据下载输入与占位符(Inputs and Placeholders) 构建图表 (Build the Graph) 推理(Inferenc ...

tensorflow之四运转方式入门

tensorflow之四运转方式入门相关推荐

最新文章

热门文章