要查看您自己的图形,请运行TensorBoard将其指向作业的日志目录,单击顶部窗格上的图形选项卡,然后使用左上角的菜单选择适当的运行。
以下是由TensorBoard生成的描述推理操作的图表: [evo41g9i07.png] 练习:输出inference是非标准化的logits。
tf.estimator如何在TensorFlow中轻松构建线性模型。 如何使用tf.estimator将线性模型与深度学习相结合以获得两者的优点。
[图片] 所述MNIST数据集包括60000个训练样例和手写数字0-9,格式为28x28像素的单色图像万个测试样例。 入门 让我们为我们的TensorFlow程序设置骨架。
呼叫tf.matmul(x,y)创建一个tf.Operation相乘的值tf.Tensor对象x和y,把它添加到默认的图形,并返回一个tf.Tensor表示相乘的结果。
BuildtheGraph 产生用于数据的占位符后,图表从内置mnist.py文件根据3级图案:inference(),loss(),和training()被建立。
[图片] MNIST中的每个图像都有相应的标签,0到9之间的数字代表图像中绘制的数字。 对于本教程的目的,我们将要我们的标签作为“一个热点向量”。
[t57huk9c1v.jpeg] 第4步-接受默认组件,然后单击下一步按钮。 [3sa6mv8imm.jpeg] 第5步-选择适当的目标文件夹,然后单击下一步按钮。
BuildingInputFunctionswithtf.estimator 本教程将向您介绍如何在tf.estimator中创建输入函数。

扫码关注腾讯云开发者
领取腾讯云代金券
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号:粤B2-20090059
粤公网安备44030502008569号
腾讯云计算(北京)有限责任公司 京ICP证150476号 | 京ICP备11018762号
