介绍Python机器学习Tensorflow1.0主要参数和SVM算法
本文将向大家介绍Python机器学习Tensorflow1.0主要参数和SVM算法。我们将介绍如何使用tf.trainable_variables()提取训练参数,以及如何提取图片经过训练后的值。这些知识可以帮助您更好地理解和应用Python机器学习Tensorflow1.0和SVM算法。

使用tf.trainable_variables()提取训练参数
在Tensorflow中,参与训练的参数可用tf.trainable_variables()提取出来,如:
params=tf.trainable_variables()
print("Trainable variables:------------------------")
for idx,v in enumerate(params):
print("param{:3}:{:15}{}".format(idx,str(v.get_shape()),v.name))
这里只能查看参数的shape和name,并没有具体的值。如果要查看参数具体的值的话,必须先初始化,即:
sess=tf.Session() sess.run(tf.global_variables_initializer())
提取图片经过训练后的值
图片经过卷积后变成了特征,要提取这些特征,必须先把图片feed进去。具体实例:
img=io.imread('d:/cat.jpg')
img=transform.resize(img,(100,100))
img=img[np.newaxis,:,:,:]
img=np.asarray(img,np.float32)
sess=tf.Session()
sess.run(tf.global_variables_initializer())
W=sess.run(params[26])
b=sess.run(params[27])
fea=sess.run(dense2,feed_dict={x:img})
最后一句话句子便是获取某层的数据传递做为特点。留意:这一程序流程并没经过训练,因而获取出来的主要参数仅仅复位的主要参数。
综上所述,这篇文章介绍了Python机器学习Tensorflow1.0主要参数和SVM算法。如果您对这些内容感兴趣,可以参考借鉴一下。希望本文可以对您有一定的帮助,祝愿大家多多的发展,尽快涨薪。
原创文章,作者:小编小本本,如若转载,请注明出处:https://www.benjiyun.com/yunzhujiyunwei/vps-yunwei/6880.html
