下载APP
登录
关闭
讲堂
算法训练营
Python 进阶训练营
企业服务
极客商城
客户端下载
兑换中心
渠道合作
推荐作者
当前播放: 22 | 操作(Operation)是什么(下)
00:00 / 00:00
标清
  • 标清
1.0x
  • 2.0x
  • 1.5x
  • 1.25x
  • 1.0x
  • 0.5x
网页全屏
全屏
00:00
付费课程,可试看

TensorFlow快速入门与实战

共67讲 · 67课时,约1000分钟
6964
免费
01 | 课程介绍
免费
02 | 课程内容综述
免费
03 | 第一章内容概述
免费
04 | TensorFlow产生的历史必然...
免费
05 | TensorFlow与Jeff Dean的...
免费
06 | TensorFlow的应用场景
07 | TensorFlow的落地应用
08 | TensorFlow的发展现状
09 | 第二章内容概述
10 | 搭建你的TensorFlow开发环...
11 | Hello TensorFlow
12 | 在交互环境中使用TensorFl...
13 | 在容器中使用TensorFlow
14 | 第三章内容概述
15 | TensorFlow模块与架构介绍
16 | TensorFlow数据流图介绍
17 | 张量(Tensor)是什么(上...
18 | 张量(Tensor)是什么(下...
19 | 变量(Variable)是什么(...
20 | 变量(Variable)是什么(...
21 | 操作(Operation)是什么...
22 | 操作(Operation)是什么...
23 | 会话(Session)是什么
24 | 优化器(Optimizer)是什...
25 | 第四章内容概述
26 | 房价预测模型的前置知识
27 | 房价预测模型介绍
28 | 房价预测模型之数据处理
29 | 房价预测模型之创建与训练
30 | TensorBoard可视化工具介...
31 | 使用TensorBoard可视化数...
32 | 实战房价预测模型:数据分...
33 | 实战房价预测模型:创建与...
34 | 实战房价预测模型:可视化...
35 | 第五章内容概述
36 | 手写体数字数据集MNIST介...
37 | 手写体数字数据集MNIST介...
38 | MNIST Softmax网络介绍(...
39 | MNIST Softmax网络介绍(...
40 | 实战MNIST Softmax网络(...
41 | 实战MNIST Softmax网络(...
42 | MNIST CNN网络介绍
43 | 实战MNIST CNN网络
44 | 第六章内容概述
45 | 准备模型开发环境
46 | 生成验证码数据集
47 | 输入与输出数据处理
48 | 模型结构设计
49 | 模型损失函数设计
50 | 模型训练过程分析
51 | 模型部署与效果演示
52 | 第七部分内容介绍
53 | 人脸识别问题概述
54 | 典型人脸相关数据集介绍
55 | 人脸检测算法介绍
56 | 人脸识别算法介绍
57 | 人脸检测工具介绍
58 | 解析FaceNet人脸识别模型
59 | 实战FaceNet人脸识别模型
60 | 测试与可视化分析
61 | 番外篇内容介绍
62 | TensorFlow社区介绍
63 | TensorFlow生态:TFX
64 | TensorFlow生态:Kubeflow
65 | 如何参与TensorFlow社区开...
66 | ML GDE是TensorFlow社区...
67 | 课程总结

精选留言(6)

  • 2019-01-15
    个人理解 :操作就是方法
     日常附代码
    import tensorflow as tf
    a = tf.constant(2)
    b = tf.constant(3)

    with tf.Session() as sess:
        print("a: %i:" % sess.run(a))
        print("b: %i:" % sess.run(b))
        print("Addition with constants : %i " % sess.run(a + b))
        print("Multiplication with constants : %i " % sess.run ( a * b))
    a: 2:
    b: 3:
    Addition with constants : 5
    Multiplication with constants : 6

    x = tf.placeholder( tf.int16 , shape= () , name = "x")
    y = tf.placeholder( tf.int16 , shape= () , name = "y")

    add = tf.add(x, y)
    mul = tf.multiply(x, y)


    with tf.Session() as sess:
        print("Addition with constants : %i" % sess.run (add , feed_dict = { x : 10 , y : 3}) )
        print("Multiplication with constants : %i " % sess.run (mul , feed_dict = { x : 3 , y : 7}))
    Addition with constants : 13
    Multiplication with constants : 21
    展开
    2
  • 2019-01-15
    是指第三章以后的观看进度条显示0%。如果显示进度,下次可以接着从进度点继续学习。
    1
  • 2019-09-15
    x = tf.compat.v1.placeholder(tf.int16, shape=(), name="x")
    提示如下错误:
    tensorflow.python.framework.errors_impl.InvalidArgumentError: You must feed a value for placeholder tensor 'x' with dtype int16
    展开

    作者回复: 建议使用 TensorFlow 1.12/ 1.13 版本。

    这里的错误看下来是没有给 placeholder feed 对应数据格式的 数据

  • 2019-08-25
    老师我想问一下下面的代码运行的时候乘法计算的结果为什么是错的?结果总是x的值
    import tensorflow as tf

    x = tf.placeholder(tf.int16, shape=(), name="x")
    y = tf.placeholder(tf.int16, shape=(), name="y")
    add = tf.add(x, y)
    mul = tf.multiply(x, y)

    with tf.Session() as sess1:
        print("Addition with variables: %i" % sess1.run(add, feed_dict={x: 10, y: 5}))
        print("Multiplication with variable: %i" % sess1.run(mul, feed_dict={x: 3, y: 2}))
    展开
    1
  • 2019-01-28
    定义占位符的时候,为什么要写一个shape(),这个参数不是要写一个函数吗?

    作者回复: 有 default value

  • 2019-01-17
    能自定义操作(函数)吗?课程里面看到的都是常规的加减乘除

    作者回复: 可以自定义 Op 的,请看官网https://www.tensorflow.org/guide/extend/op