• 大小: 21KB
    文件类型: .zip
    金币: 1
    下载: 0 次
    发布日期: 2021-05-12
  • 语言: 其他
  • 标签: cifar10  

资源简介

tensorflow官方文档之卷积神经网络的cifar10所有代码——包含了cifar10_multi_gpu_train.py,以及使用说明

资源截图

代码片段和文件信息

# Copyright 2015 Google Inc. All Rights Reserved.
#
# Licensed under the Apache License Version 2.0 (the “License“);
# you may not use this file except in compliance with the License.
# You may obtain a copy of the License at
#
#     http://www.apache.org/licenses/LICENSE-2.0
#
# Unless required by applicable law or agreed to in writing software
# distributed under the License is distributed on an “AS IS“ BASIS
# WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND either express or implied.
# See the License for the specific language governing permissions and
# limitations under the License.
# ==============================================================================

“““Builds the CIFAR-10 network.

Summary of available functions:

 # Compute input images and labels for training. If you would like to run
 # evaluations use input() instead.
 inputs labels = distorted_inputs()

 # Compute inference on the model inputs to make a prediction.
 predictions = inference(inputs)

 # Compute the total loss of the prediction with respect to the labels.
 loss = loss(predictions labels)

 # Create a graph to run one step of training with respect to the loss.
 train_op = train(loss global_step)
“““
# pylint: disable=missing-docstring
from __future__ import absolute_import
from __future__ import division
from __future__ import print_function

import gzip
import os
import re
import sys
import tarfile

import tensorflow.python.platform
from six.moves import urllib
import tensorflow as tf

#from tensorflow.models.image.cifar10 import cifar10_input
import cifar10_input

FLAGS = tf.app.flags.FLAGS

# Basic model parameters.
tf.app.flags.DEFINE_integer(‘batch_size‘ 128
                            “““Number of images to process in a batch.“““)
tf.app.flags.DEFINE_string(‘data_dir‘ ‘cifar10_data/‘
                           “““Path to the CIFAR-10 data directory.“““)

# Global constants describing the CIFAR-10 data set.
IMAGE_SIZE = cifar10_input.IMAGE_SIZE
NUM_CLASSES = cifar10_input.NUM_CLASSES
NUM_EXAMPLES_PER_EPOCH_FOR_TRAIN = cifar10_input.NUM_EXAMPLES_PER_EPOCH_FOR_TRAIN
NUM_EXAMPLES_PER_EPOCH_FOR_EVAL = cifar10_input.NUM_EXAMPLES_PER_EPOCH_FOR_EVAL


# Constants describing the training process.
MOVING_AVERAGE_DECAY = 0.9999     # The decay to use for the moving average.
NUM_EPOCHS_PER_DECAY = 350.0      # Epochs after which learning rate decays.
LEARNING_RATE_DECAY_FACTOR = 0.1  # Learning rate decay factor.
INITIAL_LEARNING_RATE = 0.1       # Initial learning rate.

# If a model is trained with multiple GPU‘s prefix all Op names with tower_name
# to differentiate the operations. Note that this prefix is removed from the
# names of the summaries when visualizing a model.
TOWER_NAME = ‘tower‘

DATA_URL = ‘http://www.cs.toronto.edu/~kriz/cifar-10-binary.tar.gz‘


def _activation_summary(x):
  “““Helper to create summaries for activations.

  Creates a summary that provides a histogram of activations.
  Creates a summary that measure the sparsity of activ

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2017-06-12 10:47  tensorflow.cifar10-master\
     文件        1654  2017-06-12 10:47  tensorflow.cifar10-master\BUILD
     文件        2992  2017-06-12 10:47  tensorflow.cifar10-master\README.md
     文件           1  2017-06-12 10:47  tensorflow.cifar10-master\__init__.py
     文件       14151  2017-06-12 10:47  tensorflow.cifar10-master\cifar10.py
     文件        5675  2017-06-12 10:47  tensorflow.cifar10-master\cifar10_eval.py
     文件        9289  2017-06-12 10:47  tensorflow.cifar10-master\cifar10_input.py
     文件        2412  2017-06-12 10:47  tensorflow.cifar10-master\cifar10_input_test.py
     文件       10906  2017-06-12 10:47  tensorflow.cifar10-master\cifar10_multi_gpu_train.py
     文件        4706  2017-06-12 10:47  tensorflow.cifar10-master\cifar10_train.py
     文件        2729  2017-06-12 10:47  tensorflow.cifar10-master\compat.py

评论

共有 条评论