Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
大唐爆破僧
apachecn-dl-zh
提交
2e693214
A
apachecn-dl-zh
项目概览
大唐爆破僧
/
apachecn-dl-zh
与 Fork 源项目一致
Fork自
OpenDocCN / apachecn-dl-zh
通知
1
Star
0
Fork
0
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
A
apachecn-dl-zh
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
前往新版Gitcode,体验更适合开发者的 AI 搜索 >>
提交
2e693214
编写于
8月 04, 2020
作者:
W
wizardforcel
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
2020-08-04 21:29:10
上级
63877f73
变更
10
隐藏空白更改
内联
并排
Showing
10 changed file
with
17 addition
and
17 deletion
+17
-17
docs/mastering-tf-1x-zh/SUMMARY.md
docs/mastering-tf-1x-zh/SUMMARY.md
+1
-1
docs/mastering-tf-1x-zh/ch01.md
docs/mastering-tf-1x-zh/ch01.md
+2
-2
docs/mastering-tf-1x-zh/ch02.md
docs/mastering-tf-1x-zh/ch02.md
+1
-1
docs/mastering-tf-1x-zh/ch09.md
docs/mastering-tf-1x-zh/ch09.md
+1
-1
docs/mastering-tf-1x-zh/ch10.md
docs/mastering-tf-1x-zh/ch10.md
+2
-2
docs/mastering-tf-1x-zh/ch13.md
docs/mastering-tf-1x-zh/ch13.md
+2
-2
docs/mastering-tf-1x-zh/ch14.md
docs/mastering-tf-1x-zh/ch14.md
+4
-4
docs/mastering-tf-1x-zh/ch15.md
docs/mastering-tf-1x-zh/ch15.md
+1
-1
docs/mastering-tf-1x-zh/ch16.md
docs/mastering-tf-1x-zh/ch16.md
+1
-1
docs/mastering-tf-1x-zh/ch18.md
docs/mastering-tf-1x-zh/ch18.md
+2
-2
未找到文件。
docs/mastering-tf-1x-zh/SUMMARY.md
浏览文件 @
2e693214
...
...
@@ -12,7 +12,7 @@
+
[
十一、TF 服务:生产中的 TensorFlow 模型
](
ch11.md
)
+
[
十二、迁移学习和预训练模型
](
ch12.md
)
+
[
十三、深度强化学习
](
ch13.md
)
+
[
十四、生成
性
对抗网络
](
ch14.md
)
+
[
十四、生成对抗网络
](
ch14.md
)
+
[
十五、使用 TensorFlow 集群的分布式模型
](
ch15.md
)
+
[
十六、移动和嵌入式平台上的 TensorFlow 模型
](
ch16.md
)
+
[
十七、R 中的 TensorFlow 和 Keras
](
ch17.md
)
...
...
docs/mastering-tf-1x-zh/ch01.md
浏览文件 @
2e693214
...
...
@@ -831,7 +831,7 @@ physical_device_desc: "device: 0, name: Quadro P5000, pci bus id: 0000:01:00.0,
]
```
TensorFlow 中的设备用字符串
`/device:
<device_type>:<device_idx>
`
标识。在上述输出中,
`CPU`
和
`GPU`
表示器件类型,
`0`
表示器件索引。
TensorFlow 中的设备用字符串
`/device:
<device_type>:<device_idx>
`
标识。在上述输出中,
`CPU`
和
`GPU`
表示器件类型,
`0`
表示器件索引。
关于上述输出需要注意的一点是它只显示一个 CPU,而我们的计算机有 8 个 CPU。原因是 TensorFlow 隐式地在 CPU 单元中分配代码,因此默认情况下
`CPU:0`
表示 TensorFlow 可用的所有 CPU。当 TensorFlow 开始执行图时,它在一个单独的线程中运行每个图中的独立路径,每个线程在一个单独的 CPU 上运行。我们可以通过改变
`inter_op_parallelism_threads`
的数量来限制用于此目的的线程数。类似地,如果在独立路径中,操作能够在多个线程上运行,TensorFlow 将在多个线程上启动该特定操作。可以通过设置
`intra_op_parallelism_threads`
的数量来更改此池中的线程数。
...
...
@@ -949,7 +949,7 @@ config.allow_soft_placement = True
当您开始运行 TensorFlow 会话时,默认情况下它会抓取所有 GPU 内存,即使您将操作和变量仅放置在多 GPU 系统中的一个 GPU 上也是如此。如果您尝试同时运行另一个会话,则会出现内存不足错误。这可以通过多种方式解决:
*
对于多 GPU 系统,请设置环境变量
`CUDA_VISIBLE_DEVICES=
<list of device idx>
`
*
对于多 GPU 系统,请设置环境变量
`CUDA_VISIBLE_DEVICES=
<list of device idx>
`
```
py
os
.
environ
[
'CUDA_VISIBLE_DEVICES'
]
=
'0'
...
...
docs/mastering-tf-1x-zh/ch02.md
浏览文件 @
2e693214
...
...
@@ -8,7 +8,7 @@ TensorFlow 有几个高级库和接口(API),允许我们使用 TF Learn,
*
TF Slim
*
TFLearn
*
PrettyTensor
*
十四行诗
*
Sonnet
我们将提供使用所有五个库构建 MNIST 数据集模型的示例。当我们从第 4 章开始介绍模型的细节时,不要担心理解模型的细节。
...
...
docs/mastering-tf-1x-zh/ch09.md
浏览文件 @
2e693214
...
...
@@ -234,7 +234,7 @@ layer1_b = tf.Variable(tf.random_normal([32]),name='l1_b')
```
*
接下来,用
`tf.nn.conv2d`
函数定义卷积层。函数参数
`stride`
定义了内核张量在每个维度中应该滑动的元素。维度顺序由
`data_format`
确定,可以是
`'NHWC'`
或
`'NCHW'`
(默认为
`'NHWC'`
)。
通常,
`stride`
中的第一个和最后一个元素设置为
“1”
。函数参数
`padding`
可以是
`SAME`
或
`VALID`
。
`SAME`
`padding`
表示输入将用零填充,以便在卷积后输出与输入的形状相同。使用
`tf.nn.relu()`
函数添加
`relu`
激活:
通常,
`stride`
中的第一个和最后一个元素设置为
1
。函数参数
`padding`
可以是
`SAME`
或
`VALID`
。
`SAME`
`padding`
表示输入将用零填充,以便在卷积后输出与输入的形状相同。使用
`tf.nn.relu()`
函数添加
`relu`
激活:
```
py
layer1_conv
=
tf
.
nn
.
relu
(
tf
.
nn
.
conv2d
(
x_
,
layer1_w
,
...
...
docs/mastering-tf-1x-zh/ch10.md
浏览文件 @
2e693214
...
...
@@ -22,9 +22,9 @@
*
**去噪自编码器**
(DAE):在 DAE 架构中,输入带有随机噪声。 DAE 重新创建输入并尝试消除噪音。 DAE 中的损失函数将去噪重建输出与原始未损坏输入进行比较。
*
**卷积自编码器**
(CAE):前面讨论过的自编码器使用全连接层,这种模式类似于多层感知机模型。我们也可以使用卷积层而不是完全连接或密集层。当我们使用卷积层来创建自编码器时,它被称为卷积自编码器。作为一个例子,我们可以为 CAE 提供以下层:
**输入 -
>卷积 - >池化 - >卷积 - >池化 - >输出
**输入 -
> 卷积 -> 池化 -> 卷积 -> 池化 -> 输出**
**
第一组卷积和池化层充当编码器,将高维输入特征空间减少到低维特征空间。第二组卷积和池化层充当解码器,将其转换回高维特征空间。
第一组卷积和池化层充当编码器,将高维输入特征空间减少到低维特征空间。第二组卷积和池化层充当解码器,将其转换回高维特征空间。
*
**变分自编码器**
(VAE):变分自编码器架构是自编码器领域的最新发展。 VAE 是一种生成模型,即它产生概率分布的参数,从中可以生成原始数据或与原始数据非常相似的数据。
...
...
docs/mastering-tf-1x-zh/ch13.md
浏览文件 @
2e693214
...
...
@@ -86,7 +86,7 @@ EnvSpec(Amidar-v4)
由
`env`
对象表示的每个环境都有一个标准化的接口,例如:
*
通过传递 id 字符串,可以使用
`env.make(
<game-id-string>
)`
函数创建
`env`
对象。
*
通过传递 id 字符串,可以使用
`env.make(
<game-id-string>
)`
函数创建
`env`
对象。
*
每个
`env`
对象包含以下主要函数:
*
`step()`
函数将操作对象作为参数并返回四个对象:
*
观察:由环境实现的对象,代表对环境的观察。
...
...
@@ -862,5 +862,5 @@ Policy:policy_q_nn, Min reward:8.0, Max reward:150.0, Average reward:41.27
我们还了解了 OpenAI Gym,这是一个框架,提供了一个模拟许多流行游戏的环境,以实现和实践强化学习算法。我们谈到了深层强化学习概念,我们鼓励您探索专门写有关强化学习的书籍,以深入学习理论和概念。
强化学习是一种先进的技术,你会发现它常用于解决复杂的问题。在下一章中,我们将学习另一系列先进的深度学习技术:生成
性
对抗网络。
强化学习是一种先进的技术,你会发现它常用于解决复杂的问题。在下一章中,我们将学习另一系列先进的深度学习技术:生成对抗网络。
docs/mastering-tf-1x-zh/ch14.md
浏览文件 @
2e693214
# 十四、生成
性
对抗网络
# 十四、生成对抗网络
生成模型被训练以生成与他们训练的数据类似的更多数据,并且训练对抗模型以通过提供对抗性示例来区分真实数据和假数据。
**生成
性
对抗网络**
(
**GAN**
)结合了两种模型的特征。 GAN 有两个组成部分:
**生成对抗网络**
(
**GAN**
)结合了两种模型的特征。 GAN 有两个组成部分:
*
学习如何生成类似数据的生成模型
*
一种判别模型,用于学习如何区分真实数据和生成数据(来自生成模型)
...
...
@@ -16,12 +16,12 @@ GAN 已成功应用于各种复杂问题,例如:
在本章中,我们将学习以下主题,以学习如何在 TensorFlow 和 Keras 中实现 GAN:
*
生成
性
对抗网络
*
生成对抗网络
*
TensorFlow 中的简单 GAN
*
Keras 的简单 GAN
*
具有 TensorFlow 和 Keras 的深度卷积 GAN
# 生成
性
对抗网络 101
# 生成对抗网络 101
如下图所示,Generative Adversarial Networks(通常称为 GAN)有两个同步工作模型,用于学习和训练复杂数据,如图像,视频或音频文件:
...
...
docs/mastering-tf-1x-zh/ch15.md
浏览文件 @
2e693214
...
...
@@ -88,7 +88,7 @@ workers = [
clusterSpec
=
tf
.
train
.
ClusterSpec
({
'ps'
:
ps
,
'worker'
:
workers
})
```
正如您在代码中的注释中所看到的,任务通过
`/job:
<job name>/task:<task index>
`
标识。
正如您在代码中的注释中所看到的,任务通过
`/job:
<job name>/task:<task index>
`
标识。
# 创建服务器实例
...
...
docs/mastering-tf-1x-zh/ch16.md
浏览文件 @
2e693214
...
...
@@ -256,7 +256,7 @@ $ toco
2.
查看 TensorFlow 仓库,并应用上一篇技巧中提到的补丁。我们假设您检查了主目录中
`tensorflow`
文件夹中的代码。
1.
使用 Android Studio,从路径
`~/tensorflow/tensorflow/contrib/lite/java/demo`
打开 Android 项目。如果它抱怨缺少 SDK 或 Gradle 组件,请安装这些组件并同步 Gradle。
2.
构建项目并使用
API
>
21
在虚拟设备上运行它。
2.
构建项目并使用
`API > 21`
在虚拟设备上运行它。
我们收到了以下警告,但构建成功了。 如果构建失败,您可能希望解决警告:
...
...
docs/mastering-tf-1x-zh/ch18.md
浏览文件 @
2e693214
...
...
@@ -186,7 +186,7 @@ tfs.add_tensor_filter('has_inf_or_nan_filter', tfd.has_inf_or_nan)
```
1.
现在,当代码执行
`tfs.run()`
时,调试器将在控制台中启动调试器接口,您可以在其中运行各种调试器命令来监视张量值。
2.
我们提供了在
`ch-18_mnist_tfdbg.py`
文件中试用
`tfdbg`
的代码。当我们用
`python3`
执行代码文件时,我们看到
`tfdbg`
控制台:
<
/ li
>
2.
我们提供了在
`ch-18_mnist_tfdbg.py`
文件中试用
`tfdbg`
的代码。当我们用
`python3`
执行代码文件时,我们看到
`tfdbg`
控制台:
```
py
python3
ch
-
18
_mnist_tfdbg
.
py
...
...
@@ -194,7 +194,7 @@ python3 ch-18_mnist_tfdbg.py
![](
img/028e301e-7560-4cc4-bc10-63625534c2c3.png
)
1.
在
`tfdbg
>
`
提示符下输入命令
`run -f has_inf_or_nan`
。代码在第一个周期后中断,因为我们使用
`np.inf`
值填充数据:
1.
在
`tfdbg
>
`
提示符下输入命令
`run -f has_inf_or_nan`
。代码在第一个周期后中断,因为我们使用
`np.inf`
值填充数据:
![](
img/5d59edaa-a409-4f87-ba9f-c690fbbe820a.png
)
...
...
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录