TensorFlow的基础操作
import tensorflow as tf x=tf.Variable(3,name='x') y=tf.Variable(4,name='y') f=x*y with tf.Session() as sess: x.initializer.run() y.initializer.run() result=f.eval() print(result)对sklearn数据集里面图片集的一个小操作
#wyt import numpy as np from sklearn.datasets import load_sample_images import tensorflow as tf import matplotlib.pyplot as plt # 加载数据集 dataset = np.array(load_sample_images().images, dtype=np.float32) # 数据集里面两张图片，一个建筑物，一个花 batch_size, height, width, channels = dataset.shape print(batch_size, height, width, channels) # plt.imshow(load_sample_images().images[0]) # 绘制第一个图 # plt.show() # plt.imshow(load_sample_images().images[1]) # 绘制第一个图 # plt.show() # 创建两个filters # 高，宽，通道，卷积核 # 7, 7, channels, 2 filters_test = np.zeros(shape=(7, 7, channels, 2), dtype=np.float32) filters_test[:, 3, :, 0] = 1 filters_test[3, :, :, 1] = 1 # filter参数是一个filters集合 X = tf.placeholder(tf.float32, shape=(None, height, width, channels)) convolution = tf.nn.conv2d(X, filter=filters_test, strides=[1, 2, 2, 1], padding='SAME') #strides中第一个和最后一个最好为1，而中间两个数分别是水平和垂直的步长 with tf.Session() as sess: output = sess.run(convolution, feed_dict={X: dataset}) # plt.imshow(load_sample_images().images[0]) # 绘制第一个图 # plt.show() # # plt.imshow(output[0, :, :, 0]) # 绘制第一个图的第一个特征图 # plt.show() # # plt.imshow(output[0, :, :, 1]) # 绘制第一个图的第二个特征图 # plt.show() plt.imshow(load_sample_images().images[1]) # 绘制第二个图 plt.show() plt.imshow(output[1, :, :, 0]) # 绘制第二个图的特征图 plt.show() plt.imshow(output[1, :, :, 1]) # 绘制第二个图的特征图 plt.show()