标签:stddev 23 0.1 random 笔记 Variable 进度 normal tf
今天通过观看老师分享的TensorFlow教学视频,学习了构建卷积神经网络模型架构,首先是对参数进行定义和赋值:
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets('data/',one_hot=True)
trainimg = mnist.train.images
trainlabel = mnist.train.labels
testimg = mnist.test.images
testlabel = mnist.test.labels
print("MNIST READY")
n_input = 784
n_output = 10
weights = {
'wc1': tf.Variable(tf.random_normal([3,3,1,64],stddev=0.1))
'wc2': tf.Variable(tf.random_normal([3, 3, 64, 128], stddev=0.1))
'wd1': tf.Variable(tf.random_normal([7*7*128,1024], stddev=0.1))
'wd2': tf.Variable(tf.random_normal([1024,n_output], stddev=0.1))
}
biases = {
'wc1': tf.Variable(tf.random_normal([64], stddev=0.1))
'wc2': tf.Variable(tf.random_normal([128], stddev=0.1))
'wd1': tf.Variable(tf.random_normal([1024], stddev=0.1))
'wd2': tf.Variable(tf.random_normal([n_output], stddev=0.1))
}
标签:stddev,23,0.1,random,笔记,Variable,进度,normal,tf 来源: https://www.cnblogs.com/lijiawei1-2-3/p/14366381.html
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。