TensorFlow实战笔记(17)---TFlearn
目录:
- 分布式Estimator
- 自定义模型
- 建立自己的机器学习Estimator
- 调节RunConfig运行时的参数
- Experiment和LearnRunner
- 深度学习Estimator
- 深度神经网络
- 广度深度模型
- 机器学习Estimator
- 线性/逻辑回归
- 随机森林
- K均值聚类
- 支持向量机
- DataFrame
- 监督器Monitors
- 代码例子
一、分布式Estimator
Estimator包含各种机器学习和深度学习的类,用户能直接使用这些高阶类,同时可根据实际的应用需求快速创建自己的子类。
六、代码例子---TFlearn实现AlexNet
数据为鲜花数据集 :
17_Category_Flower 是一个不同种类鲜花的图像数据,包含 17 不同种类的鲜花,每类 80 张该类鲜花的图片,鲜花种类是英国地区常见鲜花。
代码:
import tflearn from tflearn.layers.core import input_data, dropout, fully_connected from tflearn.layers.conv import conv_2d, max_pool_2d from tflearn.layers.normalization import local_response_normalization from tflearn.layers.estimator import regression import tflearn.datasets.oxflower17 as oxflower17 X, Y = oxflower17.load_data(one_hot=True, resize_pics=(227, 227)) ##此句调用了tflearn文件夹下dataset中oxflower17.py函数,下载数据#构建AlexNet网络# Building 'AlexNet' network = input_data(shape=[None, 227, 227, 3]) network = conv_2d(network, 96, 11, strides=4, activation='relu') network = max_pool_2d(network, 3, strides=2) network = local_response_normalization(network) network = conv_2d(network, 256, 5, activation='relu') network = max_pool_2d(network, 3, strides=2) network = local_response_normalization(network) network = conv_2d(network, 384, 3, activation='relu') network = conv_2d(network, 384, 3, activation='relu') network = conv_2d(network, 256, 3, activation='relu') network = max_pool_2d(network, 3, strides=2) network = local_response_normalization(network) network = fully_connected(network, 4096, activation='tanh') network = dropout(network, 0.5) network = fully_connected(network, 4096, activation='tanh') network = dropout(network, 0.5) network = fully_connected(network, 17, activation='softmax') network = regression(network, optimizer='momentum', loss='categorical_crossentropy', learning_rate=0.001) # Training model = tflearn.DNN(network, checkpoint_path='model_alexnet', max_checkpoints=1, tensorboard_verbose=2) model.fit(x, y, n_epoch=1000, validation_set=0.1, shuffle=True, show_metric=True, batch_size=64, snapshot_step=200, snapshot_epoch=False, run_id='alexnet_oxflowers17')
转载于:https://www.cnblogs.com/Lee-yl/p/10119289.html
TensorFlow实战笔记(17)---TFlearn相关推荐
- 【TensorFlow实战笔记】对于TED(en-zh)数据集进行Seq2Seq模型实战,以及对应的Attention机制(tf保存模型读取模型)
个人公众号 AI蜗牛车 作者是南京985AI硕士,CSDN博客专家,研究方向主要是时空序列预测和时间序列数据挖掘,获国家奖学金,校十佳大学生,省优秀毕业生,阿里天池时空序列比赛rank3.公众号致力于 ...
- 【TensorFlow实战笔记】卷积神经网络CNN实战-cifar10数据集(tensorboard可视化)
IDE:pycharm Python: Python3.6 OS: win10 tf : CPU版本 代码可在github中下载,欢迎star,谢谢 CNN-CIFAR-10 一.CIFAR10数据集 ...
- TensorFlow实战笔记之(4):卷积神经网络(CNN) 实现手写数字识别
一.引言 前一篇博文使用单隐层的全连接神经网络,并结合一些神经网络的优化策略,如指数衰减学习率.正则化.Relu激活函数和Adam优化算法等,用包含100个隐层神经元的神经网络实现了MNIST数据集上 ...
- (转)Tensorflow 实战Google深度学习框架 读书笔记
本文大致脉络: 读书笔记的自我说明 对读书笔记的摘要 具体章节的摘要: 第一章 深度学习简介 第二章 TensorFlow环境搭建 第三章 TensorFlow入门 第四章 深层神经网络 第五章 MN ...
- 06.图像识别与卷积神经网络------《Tensorflow实战Google深度学习框架》笔记
一.图像识别问题简介及经典数据集 图像识别问题希望借助计算机程序来处理.分析和理解图片中的内容,使得计算机可以从图片中自动识别各种不同模式的目标和对象.图像识别问题作为人工智能的一个重要领域,在最近几 ...
- 转:tensorflow深度学习实战笔记(二):把训练好的模型进行固化
原文地址:https://blog.csdn.net/chenyuping333/article/details/82106863 目录 一.导出前向传播图 二.对模型进行固化 三.pb文件转tfli ...
- tensorflow63 《深度学习原理与TensorFlow实战》03 Hello TensorFlow
00 基本信息 <深度学习原理与TensorFlow实战>书中涉及到的代码主要来源于: A:Tensorflow/TensorflowModel/TFLean的样例, B:https:// ...
- tensorflow67 《深度学习原理与TensorFlow实战》04 CNN看懂世界 04深度残差网络
00 环境 #<深度学习原理与TensorFlow实战>04 CNN看懂世界 # 书源码地址:https://github.com/DeepVisionTeam/TensorFlowBoo ...
- tensorflow学习笔记(三十二):conv2d_transpose (解卷积)
tensorflow学习笔记(三十二):conv2d_transpose ("解卷积") deconv解卷积,实际是叫做conv_transpose, conv_transpose ...
最新文章
- parsing:NLP之chart parser句法分析器
- openoj的一个小比赛(J题解题报告)poj1703(并查集)
- 泰国基础教育管理实行新体制
- 1.jstl之SQL:setDataSource
- html 请求体 响应体,Http协议抓包详解
- java连接unix_Java 使用 UnixSocket 调用 Docker API
- 自学电脑编程_81岁老太自学编程开发APP,她的日常酷过95%年轻人
- 提交表单时,请求的资源[/222/getServlet]不可用(已解决)
- C语言怎么用char输出多个字母,c语言中char类型如何存放多个字符
- 网络电话VOIP技术解析
- 微信小程序入门开发教程
- 离心泵水力设计——叶轮设计——2 前后盖板型线
- 互联网赚钱发展趋势,网赚案例精准分析
- 用python分析四大名著(一)
- ubuntu18.04 安装 CARLA0.9.10
- react 谷歌地图_谷歌地图与React
- 7-130 圆形体体积计算器(有注释)
- 如何访问web文件夹之外的文件
- Qt制作大数据可视化大屏展示电子看板
- 权限系统就该这么设计,yyds
热门文章
- linux进程间通讯-有名管道
- 【统计学习方法】朴素贝叶斯对鸢尾花(iris)数据集进行训练预测
- 人群场景的属性--Deeply Learned Attributes for Crowded Scene Understandin
- 小人脸检测 - Finding Tiny Faces
- GTX1080 安装 cuda 8.0 + cuDNN5.1
- gcc8之前,coredump文件无法显示正确的函数调用栈信息
- Linux下新建java程序,编译,运行(以Ubuntu为例)
- wps图表xy轴颠倒_还在嫌自己的图表丑?50+种可视化图表随你选
- php时间处理类,PHP常见的日期处理
- 面试两个月,我吐了(软件测试岗面试经验)