保存模型并不限于在训练模型后，在训练模型之中也需要保存，因为TensorFlow训练模型时难免会出现中断的情况，我们自然希望能够将训练得到的参数保存下来，否则下次又要重新训练。这种在训练中保存模型，习惯上称之为保存检查点。通过添加检查点，可以生成载入检查点

机器学习的一个方向是能够将它用于照片中的对象识别。这包括能够挑选动物，建筑物甚至人脸等特征。本文将引导您使用一些现有模型来使用rust和tensorflow完成人脸检测。我们将使用一个名为mtcnn的预训练模型进行人脸检测。挑战我们想要读取照片，检测到人脸

本文对近期在旧金山举办的谷歌 Cloud Next大会上有关TensorFlow的一些特点进行了总结。Tensor（张量）代表了N维数组，Flow（流）代表了基于数据流图的计算。还没有任何其它的星系有超过八颗行星。利用TensorFlow.js在浏览器中进

摘要： Tensorflow入门教程1去年买了几本讲tensorflow的书，结果今年看的时候发现有些样例代码所用的API已经过时了。看来自己维护一个保持更新的Tensorflow的教程还是有意义的。这是写这一系列的初心。快餐教程系列希望能够尽可能降低门槛

打开anaconda3，在界面左侧点击Environments，再点击下面的Create按钮会出现如下窗口。给要创建的Python环境命名并选择版本，选好后点击Create即可生成新的Python版本环境，如下图。source activate py27即

高层封装API有同学问，我们学习Tensorflow就是想学习一套可以用的套，像编程一样调用就行了，不想学习机器学习的细节，有没有这样的方式？针对于已经有成熟解决方案的模型，why not呢？我们还是举祖传的MNIST的例子。核心三条语句，一句模型，一句训

区别于其他入门教程的“手把手式”，本文更强调“因”而非“果”。我之所以加上“通用”字样，是因为在你了解了这个开发环境之后，那些很low的错误你就不会犯了。大家都知道深度学习涉及到大量的模型、算法，看着那些乱糟糟的公式符号，心中一定是“WTF”。我想说的是，

前言本文基于TensorFlow官网的Tutorial写成。输入数据是MNIST，全称是Modified National Institute of Standards and Technology，是一组由这个机构搜集的手写数字扫描文件和每个文件对应标签

前言本文使用tensorflow训练线性回归模型，并将其与scikit-learn做比较。数据集来自Andrew Ng的网上公开课程Deep Learning. # @description: compare scikit-learn and tensor

Session是TensorFlow为了控制和输出文件的执行语句，运行session.run()就能获得运算结果或者部分运算结果。我们在这里使用一个简单的矩阵相乘的例子来解释Session的两个用法。首先我们要加载TensorFlow并建立两个矩阵以及两个

test_result = tf.transpose可以通过tf.tile实现更高速的版本

滑动平均会为目标变量维护一个影子变量，影子变量不影响原变量的更新维护，但是在测试或者实际预测过程中，使用影子变量代替原变量。`shadow_variable = decay * shadow_variable + * variable`. 我们知道，在T

定义一个变量，直接输出会输出变量的属性，并不能输出变量值。

如果最小二乘线性回归算法最小化到回归直线的竖直距离，则戴明回归最小化到回归直线的总距离。其最小化x值和y值两个方向的误差，具体的对比图如下图。损失函数是由分子和分母组成的几何公式。

目前，全球已有数百万开发人员使用GitHub来共享代码和建立业务，很多开发人员选择在这里修补新技术，贡献开源项目等。越来越多的公司开始习惯将“开源代码贡献情况”加入开发者考察中。过去十年，Github所有开发者共享2500万公共仓库的代码，用户遍布200多