关于本教程 本教程的第一部分解释了mnist_softmax.py代码中发生的事情,这是Tensorflow模型的基本实现。第二部分展示了一些提高准确性的方法。
该模型遵循AlexKrizhevsky所描述的架构,在前几层中有一些差异。 该模型在GPU上几个小时的训练时间内达到了高达86%的精度。请参阅下面的代码和细节。
阅读本概述以确定tf.estimator线性模型工具是否对您有用。然后做线性模型教程试一试。本概述使用了本教程中的代码示例,但本教程更详细地介绍了代码。
教程文件 本教程是引用了以下文件models/tutorials/rnn/ptb中TensorFlow模型回购: 文件目的ptb_word_lm.py在PTB数据集上训练语言模型的代码。
Google内部和外部的研究人员发表了描述所有这些模型的论文,但结果仍然难以重现。我们现在正在通过发布我们最新型号Inception-v3上运行图像识别的代码来进行下一步。
在本教程中,我们将训练一个模型来查看图像并预测它们的位数。我们的目标不是培养一个真正精心设计的模型来实现最先进的性能(尽管我们会在稍后为您提供代码!)而是倾向于使用TensorFlow。
设置 尝试本教程的代码: 如果您尚未安装TensorFlow,请安装。 2.下载教程代码。 安装pandas数据分析库。tf.estimator不需要但支持pandas,而本教程使用pandas。

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
