TensorFlow

#源码安装（ubuntu 16.04 lts)
===============
从源码编译安装，解决老机器（cpu不支持avx指令集）出现的illegal instruction (core dumped)问题
###1、安装python3.6
###2、安装bazel 1.2（不要1.3）

> https://docs.bazel.build/versions/master/install-ubuntu.html

###3、安装依赖
    pip3 install six numpy wheel
###4、编译pip安装包
    git clone 
    cd tensorflow
    ./configure
    #脚本
    bazel build --config=opt //tensorflow/tools/pip_package:build_pip_package
    #打whl(pip安装包）
    bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg
    
###5、安装
    pip install /tmp/tensorflow_pkg/tensorflow-1.6.0-py2-none-any.whl
    
#理论基础
###待续
#卷积网络
#循环网络
![](/api/file/getImage?fileId=5b72aaea3c9b990538000040)
#API方法
##矩阵变换
###np.expand_dims(input, axis)
    给矩阵增加一个维度
    axis加在第几维度
    如：input.shape=(2)，axis=1，则输出：shape=(2,1)
        input.shape=(2),axis=0，则输出：shape=(1,2)
###numpy.transpose(a, axes=None)
    矩阵转置,axes可选，指定维度序列
    如：
    axes=None时：
    [[a,b],[c,d]] ==> [[a,c],[b,d]] 
    axes=(0,1)：
    [[a,b],[c,d]] ==> [[a,b],[c,d]] 
    axes=(1,0)：
    [[a,b],[c,d]] ==> [[a,c],[b,d]] 
###tf.reduce_sum()
    对多维矩阵求和降维度
![](/api/file/getImage?fileId=5b681bdc3c9b99053800002a)
###tf.argmax(m, aixs) 
    输入m为2D矩阵[a,b]，输出1D矩阵
    当aixs=0时，返回每列最大值,shape=[b]
    当aixs=1时，返回每行最大值，shape=[a]
##归一化方法
###tf.nn.batch_normalization（归一化）
    公式如下：
    y=γ(x-μ)/σ+β
    
    其中x是输入，y是输出，μ是均值，σ是方差，γ和β是缩放（scale）、偏移（offset）系数。
    
    γ和β是学习变量（Variable)，训练时可由优化器调整。
    x在经过y=γ(x-μ)/σ+β运算后，输出归一化值，
    但如果归一化值不理想，优化器有通过调整γ和β来将值再度调整的能力。
    
![](/api/file/getImage?fileId=5b6be5d93c9b99053800002f)
###
##激励函数
###tf.nn.tanh（双曲正切函数）
![双曲正切函数图形](/api/file/getImage?fileId=5b62d5e43c9b990538000023)
    
###tf.nn.sigmoid
    公式：y = 1/(1 + exp (-x))。 （exp是e为底幂指函数，即e**x）
###tf.nn.softmax
softmax用于多分类过程中，它将多个神经元的输出，映射到（0,1）区间内，可以看成概率来理解，从而来进行多分类！

假设我们有一个数组，V，Vi表示V中的第i个元素，那么这个元素的softmax值就是
![](/api/file/getImage?fileId=5b67e7193c9b990538000028)
更形象的如下图表示：
![](/api/file/getImage?fileId=5b67e7193c9b990538000027)
###tf.nn.dropout
    以keep_prob为概率，使矩阵中某些元素变为 1/keep_prob 大小，另外没有变的元素变为0，矩阵总的累加和结果不变

Navigation

Recent Posts

Friend Links