Tag: tensorflow

TensorFlow，为什么Python是select的语言？

我最近开始学习深度学习和其他ML技术，我开始寻找简化构buildnetworking和训练过程的框架，然后我发现TensorFlow，对于我来说在这个领域没有什么经验，似乎速度是一个为深入学习做出更大的ML系统的一个重要因素，那么为什么Pythonselectpython来制造TensorFlow呢？ 把它翻译成一种可以被编译而不被解释的语言不是更好吗？ 在C ++语言中使用Python进行机器学习有什么好处？

如何find哪个版本的TensorFlow安装在我的系统中？

标题说明了一切。 我正在使用Ubuntu 16.04长期支持。

如何*实际*在TensorFlow中读取CSV数据？

我对TensorFlow的世界比较陌生，对于如何将CSV数据读入TensorFlow中可用的示例/标签张量中感到相当困惑。 阅读CSV数据的TensorFlow教程中的示例是相当分散的，只能让您在CSV数据上进行培训。 下面是我编写的基于CSV教程的代码： from __future__ import print_function import tensorflow as tf def file_len(fname): with open(fname) as f: for i, l in enumerate(f): pass return i + 1 filename = "csv_test_data.csv" # setup text reader file_length = file_len(filename) filename_queue = tf.train.string_input_producer([filename]) reader = tf.TextLineReader(skip_header_lines=1) _, csv_row = reader.read(filename_queue) # setup CSV decoding record_defaults = [[0],[0],[0],[0],[0]] col1,col2,col3,col4,col5 […]

如何为GradientDescentOptimizer设置自适应学习率？

我正在使用TensorFlow来训练一个neural network。 这是我如何初始化GradientDescentOptimizer ： init = tf.initialize_all_variables() sess = tf.Session() sess.run(init) mse = tf.reduce_mean(tf.square(out – out_)) train_step = tf.train.GradientDescentOptimizer(0.3).minimize(mse) 这里的事情是我不知道如何设置学习率或衰减值的更新规则。 我如何在这里使用自适应学习率？

TensorFlow从文件中保存/加载graphics

从目前为止，我们已经有几种不同的方法将TensorFlow图转储到一个文件中，然后将其加载到另一个程序中，但是我一直无法find有关它们工作原理的明确示例/信息。 我已经知道的是这样的： 使用tf.train.Saver()将模型的variables保存到检查点文件（.ckpt tf.train.Saver() ，稍后恢复（ 源文件 ） 将模型保存到.pb文件中，并使用tf.train.write_graph()和tf.import_graph_def() （ source ）将其加载回来。 从.pb文件加载模型，重新训练，并使用Bazel（ 源代码 ）将其转储到新的.pb文件中 冻结graphics以保存graphics和权重（ 来源 ） 使用as_graph_def()保存模型，对于权重/variables，将它们映射到常量（ 源 ） 但是，我还没有能够澄清这些不同方法的几个问题： 关于检查点文件，他们是否只保存模型的训练重量？ 检查点文件可以加载到一个新的程序，并用于运行模型，或者他们只是作为方式来保存模型中的权重在某个时间/阶段？ 关于tf.train.write_graph() ，还保存了权重/variables吗？ 关于Bazel，它只能保存到/从.pb文件加载再培训？ 有一个简单的Bazel命令只是将图转储到.pb中吗？ 关于冻结，可以使用tf.import_graph_def()来加载冻结图吗？ TensorFlow的Android演示从.pb文件加载到Google的Inception模型中。 如果我想replace自己的.pb文件，我该如何去做呢？ 我需要更改任何本机代码/方法吗？ 一般来说，所有这些方法之间究竟有什么区别呢？ 或者更广泛地说， as_graph_def() ckpt/.pb有什么区别？ 总之，我正在寻找的是一种方法来保存一个graphics（如，各种操作等）及其权重/variables到一个文件，然后可以用来加载graphics和权重到另一个程序，供使用（不一定是继续/再培训）。 有关这个主题的文档不是很简单，所以任何答案/信息将不胜感激。

在TensorFlow中使用预先训练的单词embedded（word2vec或Glove）

我最近回顾了卷积文本分类的一个有趣的实现。 然而，我所检查的所有TensorFlow代码都使用了如下的随机（未经过预先训练的）embedded向量： with tf.device('/cpu:0'), tf.name_scope("embedding"): W = tf.Variable( tf.random_uniform([vocab_size, embedding_size], -1.0, 1.0), name="W") self.embedded_chars = tf.nn.embedding_lookup(W, self.input_x) self.embedded_chars_expanded = tf.expand_dims(self.embedded_chars, -1) 有人知道如何使用Word2vec的结果或GloVe预先训练的词embedded，而不是随机的吗？

Tensorflow与Windows工作stream兼容吗？

我还没有看到有关Windows兼容性的任何信息 – 如果我付出了一些努力，这是在路上还是在某个地方？ （我有一个Mac和一个Ubuntu的盒子，但Windows机器是我目前与theano使用的独立显卡的一个）。

tf.app.run（）如何工作？

tf.app.run（）如何在Tensorflow翻译演示中工作？ 在tensorflow / models / rnn / translate / translate.py中，有一个对tf.app.run（）的调用。 它是如何处理的？ if __name__ == "__main__": tf.app.run()

tf.nn.embedding_lookup函数做什么？

tf.nn.embedding_lookup(params, ids, partition_strategy='mod', name=None) 我不明白这个function的责任。 这就像查询表吗？ 这意味着返回对应于每个id（在ID中）的参数？ 例如，在skip-gram模型中，如果我们使用tf.nn.embedding_lookup(embeddings, train_inputs) ，那么对于每个train_input它find相应的embedded？

如何构build和使用Google TensorFlow C ++ api

我真的很想开始在C ++中使用Google的新Tensorflow库。 网站和文档只是不清楚如何build立项目的C + + API，我不知道从哪里开始。 有更多经验的人可以通过发现和共享使用tensorflow的C ++ API的指导来帮助吗？