小锋子Shawn(403568338) 13:51:23
mnist.training.images?
墨须(964489899) 13:51:27
我的图片是100*100的，该怎么兼容。
小锋子Shawn(403568338) 13:51:33
你取一个，然后显示就好。
墨须(964489899) 13:51:38
恩恩
黑羽毛(82878247) 13:51:57
把你的图片展成1维的100*100
小锋子Shawn(403568338) 13:52:10
demo里面数据怎么处理的，你要找突破口
墨须(964489899) 13:52:12
这样阿。 那怎么把自己写的图片 搞成训练集呢？
小锋子Shawn(403568338) 13:52:17
到那里就自己load
黑羽毛(82878247) 13:52:24
官方教程中784改成10000就ok了
黑羽毛(82878247) 13:52:54
分几类自己就把10该几就ok
了
墨须(964489899) 13:53:00
问题一大堆， 具体格式 。 所以必须找一个demo 才敢弄。 或者至少把代码先过一边
墨须(964489899) 13:53:26
你们都是高手，
黑羽毛(82878247) 13:53:33
你要识别图片中的什么呢
墨须(964489899) 13:54:02
还没想好。 就是自己随便画点东西，然后来识别。
小锋子Shawn(403568338) 13:54:30
黑羽毛(82878247) 13:54:34
首先要确定分几类
黑羽毛(82878247) 13:54:53
用cnn应该是比较好的方法
小锋子Shawn(403568338) 13:54:55
其实问题还是有的，就是一次性读入所有数据，图像大了就不现实
黑羽毛(82878247) 13:57:17
图像太大可以用感知机进行特征学习，实现降维，然后在用cnn
小锋子Shawn(403568338) 13:59:31
[未知表情]他看到softmax，那就看完demo了，差不多了，然后逐步看就好。
小锋子Shawn(403568338) 13:59:48
用print看数据怎么处理。
黑羽毛(82878247) 14:01:45
看什么数据
黑羽毛(82878247) 14:02:02
tf变量的必须要先run才行
小锋子Shawn(403568338) 14:02:37
print数据的shape
黑羽毛(82878247) 14:03:52
那就试试print（xxx.shape）
墨须(964489899) 14:04:03
哦。
墨须(964489899) 14:05:36
softmax 在的输入变量应该是tf.matmul(x,W) + b 的结果 对把。
这些结果应该是 很多个 数字 是一个 一维数组 对把。
然后把这些数组 用刚才发发的那个图片 进行运算。 得到概率。 这个解释有错误吗
黑羽毛(82878247) 14:06:13
是的
墨须(964489899) 14:07:18
现在我的问题是， 我了解了这个过程。 但是不理解。 为啥是概率。 没看明白。 。。。
小锋子Shawn(403568338) 14:07:39
tf.matmul(x,W) + b
小锋子Shawn(403568338) 14:07:45
y=wx+b
墨须(964489899) 14:07:50
恩恩
小锋子Shawn(403568338) 14:08:25
因为数值被压成0-1之间
黑羽毛(82878247) 14:08:41
它分10个数字，经过神经网络运算后告诉你分别是0-9每个数字的概率
小锋子Shawn(403568338) 14:08:48
所有“误”认为概率
黑羽毛(82878247) 14:08:52
概率最大的就是它认为的数字了
墨须(964489899) 14:09:20
好吧。 我再琢磨琢磨 。
黑羽毛(82878247) 14:09:50
比如输入的图片，运算完认为是7的概率位0.8，那么程序就识别这个图片位7
小锋子Shawn(403568338) 14:10:17
[未知表情]概率就是0-1的实数
墨须(964489899) 14:10:34
我再重头捋一边。 稍等阿
小锋子Shawn(403568338) 14:10:37
然后softmax出来的值在0-1之间，所以可视为概率
黑羽毛(82878247) 14:10:47
是的，但是所有分类的概率加一起必须为1
黑羽毛(82878247) 14:12:16
比如分三类的话，第一类是0.2，第二类也是0.2，那第三类一定是1-0.2-0.2=0.6
小锋子Shawn(403568338) 14:19:20
小锋子Shawn(403568338) 14:19:45
两个式子计算出了一个，另外一个就是1-P
墨须(964489899) 14:20:16
看下这个图。 图1 乘以 图 2 的到 图3 的结果。 那么 图3 和图4 能相加吗？ 图3和 图4 行列 宽度不一样阿。
发送消息内容超长，请分条发送。
墨须(964489899) 14:21:14
看下这个图。 图1 乘以 图 2 的到 图4 的结果。 那么 图3 和图4 能相加吗？ 图3和 图4 行列 宽度不一样阿。
黑羽毛(82878247) 14:21:42
3和4都是10列可以加
小锋子Shawn(403568338) 14:21:41
小锋子Shawn(403568338) 14:22:08
一类高概率，另一类就是低概率；反之亦然。
墨须(964489899) 14:22:21
@黑羽毛 但是 4 是 784 行阿。 图 3 图 4 行数 不相同阿
黑羽毛(82878247) 14:22:41
每行分别加
墨须(964489899) 14:23:18
好吧。 只能这样了
黑羽毛(82878247) 14:24:00
784*10个表你要弄清是什么意思
墨须(964489899) 14:24:27
权重阿。 10个数字 对应的 像素权重
小锋子Shawn(403568338) 14:24:32
y_predict就是各个实例属于10类的概率
黑羽毛(82878247) 14:24:40
是的
小锋子Shawn(403568338) 14:25:27
小锋子Shawn(403568338) 14:25:36
a1-a10代入softmax
墨须(964489899) 14:25:37
x = tf.placeholder(tf.float32, [None, 784])
重点是这个代码。 [none,784] 到底表示的是 一维数组 还是2维数组。
如果是2维数组的话， 刚才哪个公式 最后一步 +b 就没法计算阿
小锋子Shawn(403568338) 14:25:43
每行
小锋子Shawn(403568338) 14:26:26
二维数组
小锋子Shawn(403568338) 14:26:31
每行一个样本
墨须(964489899) 14:27:21
恩恩。 那么问题来了。 图1 和 图2 相乘。 得到的还是一个2维数组， 图4 即 b 是一个一维数组。 那么 +b 这个 运算 就是错的阿
黑羽毛(82878247) 14:27:24
@墨须 图4不是784行吧
黑羽毛(82878247) 14:27:30
应该是n行
小锋子Shawn(403568338) 14:27:42
n行
墨须(964489899) 14:28:01
@黑羽毛 图4 应该是 多少个图片 就是多少行。
黑羽毛(82878247) 14:28:16
对
墨须(964489899) 14:28:43
我的问题不影响 +b 这个 代码有问题。 2维数组 + 1维数组 怎么加 这个运算 是正确的吗
黑羽毛(82878247) 14:29:25
这个加不要理解成矩阵想加就行了
墨须(964489899) 14:30:40
所以问题应该是出在 x的定义上。 x 是个 1维数组。 那么一切就都ok 了
小锋子Shawn(403568338) 14:31:22
比如100个样本，x为100x784, W为784x10，结果为100x10，b为一维数组，由于有100个样本，复制一百行
小锋子Shawn(403568338) 14:31:29
我想这样的
黑羽毛(82878247) 14:31:59
墨须(964489899) 14:32:17
意思是懂了。 就是想弄清 tensorflow 的运行机制。 他到底是怎么搞的
小锋子Shawn(403568338) 14:33:45
黑羽毛(82878247) 14:34:00
tensorflow就是先列出所有的公式（所谓的画运行图），然后统一输入数据一起计算（所谓的run）
小锋子Shawn(403568338) 14:34:47
b其实100行都相同的
黑羽毛(82878247) 14:34:49
没有run之前，都只是没有带入数据的公式而已
墨须(964489899) 14:34:55
x 应该是 多少个 图像 就有多少行。 这个也是对的。
但是最后那个计算公式 + b 是不对的。
问题出在哪里？ 该怎么解决
小锋子Shawn(403568338) 14:35:03
b的参数就是10个
墨须(964489899) 14:35:18
b 是1维数组
黑羽毛(82878247) 14:36:11
它用的是+而不是add
墨须(964489899) 14:37:06
你的意思是 运算符号 + 这也行
黑羽毛(82878247) 14:37:41
这两个意思是不一样的
黑羽毛(82878247) 14:37:48
你说的是add
墨须(964489899) 14:38:09
嗯嗯。
黑羽毛(82878247) 14:38:33
乘的时候用的是matmul而不是*
墨须(964489899) 14:39:13
应该是的。 百度一下。找确切答案
墨须(964489899) 14:42:39
兄弟 写个demo 测试一下 + 符号。 我菜鸟
黑羽毛(82878247) 14:43:42
这个简单
墨须(964489899) 14:44:03
谢谢阿。 这些我就通透了。
黑羽毛(82878247) 14:47:14
import tensorflow as tf
matrix1 = tf.constant([[3,3],[4,4],[5,6]])
matrix2 = tf.constant([[2,2]])
matrix3 = matrix1+matrix2
matrix4 = tf.add(matrix1,matrix2)
with tf.Session() as sess:
result = sess.run(matrix3)
print(result)
result = sess.run(matrix4)
print(result)
黑羽毛(82878247) 14:47:47
[[5 5]
[6 6]
[7 8]]
[[5 5]
[6 6]
[7 8]]结果居然是一样的
小锋子Shawn(403568338) 14:48:06
+ is short for add
墨须(964489899) 14:49:23
就是说 + 就是 没一行 都是 +b 对的哦。
墨须(964489899) 14:49:37
问题解决了 是把。 再确认一下
黑羽毛(82878247) 14:50:02
这是肯定的
墨须(964489899) 14:50:28
太感谢了。 终于入门了。
matrix1 = tf.constant([[3,3],[4,4],[5,6]])
matrix2 = tf.constant([[2,2]])
小锋子Shawn(403568338) 14:51:42
应该自动检查shape
小锋子Shawn(403568338) 14:51:51
然后repmat
小锋子Shawn(403568338) 14:52:34
repmat就是复制某向量/矩阵若干次，
matrix2 = tf.constant([[2,2]])
小锋子Shawn(403568338) 14:51:42
应该自动检查shape
小锋子Shawn(403568338) 14:51:51
然后repmat
小锋子Shawn(403568338) 14:52:34
repmat就是复制某向量/矩阵若干次，