tf.estimator.DNNClassifier:构建神经网络分类模型。tf.estimator.DNNRegressor:构建一个神经网络回归模型。
它擅长的任务之一是实施和培训深度神经网络。在本教程中,我们将学习TensorFlow模型的基本构建模块,同时构建深度卷积MNIST分类器。 本介绍假定您熟悉神经网络和MNIST数据集。
TF层指南:构建卷积神经网络 TensorFlowlayers模块提供了一个高级API,可以轻松构建神经网络。它提供了方便创建密集(完全连接)图层和卷积图层的方法,添加了激活函数以及应用丢失正则化。
TensorFlow也非常适合训练深度神经网络,您可能会考虑选择哪一个,为什么不是两个?是否有可能在一个模型中结合两者的优势?
TensorBoard:VisualizingLearning 您将使用TensorFlow进行的计算(如训练大量深度神经网络)可能会很复杂且令人困惑。
卷积神经网络 注意:本教程面向TensorFlow的高级用户,并假设具备机器学习方面的专业知识和经验。 概述 CIFAR-10分类是机器学习中常见的基准问题。
更一般地,分类器和神经网络用于实数向量。他们操练最好的密集向量,其中所有值都有助于定义一个对象。然而,机器学习的许多重要输入,例如文字,没有自然的向量表示。
本教程中使用的体系结构基于卷积神经网络中关于小尺寸关键字点检的一些内容。选择它是因为它比较简单,快速操练和易于理解,而不是最先进的技术。
计算神经网络中使用的类型的卷积。这里,卷积可以被认为是移动穿过n维基本区域的n维窗口,并且针对窗口的每个可能的位置执行计算。 [表格] 设n是空间维数。所述lhs参数是一个等级n+2阵列描述底部区域。
此ResNet示例(arXiv:1512.03385)培训CIFAR-10说明了数据集API的使用tf.estimator.Estimator。
它与图内复制兼容(例如,使用CIFAR-10多GPU训练器中的梯度平均)以及图间复制(例如使用tf.train.SyncReplicasOptimizer)。

扫码关注腾讯云开发者
领取腾讯云代金券
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号:粤B2-20090059
粤公网安备44030502008569号
腾讯云计算(北京)有限责任公司 京ICP证150476号 | 京ICP备11018762号
