물마루 데이터를 전달하는 방법은 무엇입니까?

저는 Tensorflow와 함께 일하고 있습니다. 그러나 저는 Python과 기계 학습을 처음 접했습니다. 입력 파이프 라인에서 이미지의 텐서 (tensor)가 있다면, 그것을 훈련시키는 가장 좋은 방법은 무엇입니까? 기본과 마찬가지로 통과 물 데이터를 처리하는 방법은 무엇입니까? 나는 구조체를 사용하고 싶습니다. (나는 tensor와 같은 어떤 것들로부터 특정 데이터를 얻을 수 있음을 알고 있습니다.)하지만 그렇게하는 방법을 모르겠습니다.물마루 데이터를 전달하는 방법은 무엇입니까?

저는이 모든 것에 매우 도움을 줄 수있어서 매우 신났습니다.

def model(image_tensor): 
    tf.summary.image(img) 

    return predictions 

def loss(predictions, labels): 

    return some_loss 

def train(some_loss): 

    return train_op

출처

2017-12-12 Wilrick B

Tensorflow는 기계 학습 및 Python에 익숙하지 않은 사용자에게 조금 복잡 할 수 있습니다. 나의 조언은 tensorflow 사이트에 존재하는 우수한 노트북 튜토리얼을 통해 추상화를 이해하는 것입니다.

그러나 그 전에는 알고리즘이 어떻게 작동하는지 이해할 수 있도록 Stochastic Gradient Descent와 같은 기본적인 기계 방법을 구현하기 위해 numpy (때때로 scipy)와 함께 python을 사용합니다. 그런 다음 간단한 로지스틱 회귀를 구현하십시오.

그런데 왜 모든 것을 요구합니까? 왜냐하면 기계 학습 알고리즘으로 작업하는 방법과 그라디언트를 찾는 것이 얼마나 지루한지를 파악하게되면 왜 tensorflow 추상화가 유용한 지 이해하게 될 것입니다.

MNIST를 다루는 간단한 예제를 제공 할 것입니다. 나는 본질적으로 상술했던 어떤

from sklearn.datasets import load_digits 
import tensorflow as tf 
import matplotlib.pyplot as plt 
import numpy as np 


mnist = load_digits(2) 
print("y [shape: {}] {}] : {}".format(y.shape,y[:10])) 
print("x [shape: {}] {}]".format(x.shape)

부하 인 벡터 y를 매트릭스 용 MNIST 데이터 세트 (0, 1)와 표시 어레이에서 두 자리 (X). 당신은 이미지가 어떻게 보이는지보고 싶다면 할 수 있습니다 plt.imshow(X[0].reshape([8,8])) 다음 단계는 우리의 자리와 변수를 정의 시작하는 것입니다

우리는 여기했을 tensorflow 두 자리를 정의하고 변수를 기대한다 무엇을 말한

input_x = tf.placeholder(tf.float32,shape=[None,X.shape[1]], name  = "input_x") 
input_y = tf.placeholder(tf.float32,shape=[None,],name = "labels") 
weights = tf.Variable(initial_value = tf.zeros(shape=[X.shape[1],1]), name="weights") 
b = tf.Variable(initial_value=0.0, name = "bias")

입력으로 또한 디버깅 목적을 위해 자리 표시 자에 이름을 지정했습니다.

prediction_y = tf.squeeze(tf.nn.sigmoid(tf.add(tf.matmul(input_x,weights),tf.cast(b,tf.float32)))) 
loss = tf.losses.log_loss(input_y,prediction_y) 
optimizer = tf.train.Adamoptimizer(0.001).minimize(loss)

여기 가면, 그것은 텐서 흐름의 물류 회귀입니다. 마지막 블록은 입력 함수에 활성화 함수를 적용하고 손실 함수를 정의한 다음 손실 함수에 대한 최적화 알고리즘을 정의합니다.

마지막 단계는 실행하는 것입니다.

from sklearn.metrics import roc_auc_score 
s.run(tf.global_variables_initializer()) 
for i in range(10): 
    s.run(optimizer,{input_X:X_train, input_y: y_train}) 
    loss_i = s.run(loss, {input_x:x_train,input_y:y_train}) 
    print("loss at iteration {}: {}".format(i, loss_i))

이것이 바로 tensorflow를 통해 데이터를 실행하는 방법입니다. 이 코드는 오타가있을 수 있습니다.이 컴퓨터에는 파이썬이 없으므로 메모리를 기반으로 작성합니다. 그러나 기본적인 아이디어가 있습니다. 희망이 도움이됩니다.

편집 : 이미지 데이터를 학습하는 가장 좋은 방법을 물었습니다. 내 대답은 "최고"가 아닐 것이다. CNN을 만드는 것은 많은 수의 분류 된 이미지가 있다고 가정하고 실험하는 것이 일반적 일 것입니다. 그 전에 사람들은 이미지를 분류하는 데 상대적으로 잘 지원 벡터를 사용했습니다.

출처

2017-12-12 14:06:17 Tophat

물마루 데이터를 전달하는 방법은 무엇입니까?

답변

관련 문제