TensorFlow Core+TensorBoardを計算科学のツールとしてしっかり使う - Qiita
初めに TensorFlowと言えばDeepLearningのためのフレームワーク...というだけではなく、実際のところ、TFはもっと色々な事が出来ます。 モデルの式を定義して、損失を定義して、それを勾配法で解ける枠組みに落とし込めば、TFはそれをGPUを使って高速に解くためのモジュールとして使えます。 DeepLearningブームは思いのほか長持ちしていますが(2019/7/1現在)、仮にこのブームが終わった後でも、企業に貯まるデータはどんどん増え続けます。 計算科学のためのモジュールにはnumpyがありますが、numpyはそのままではGPUで計算が出来ないため、超大量のデータを処理するのには向いていません。 なので、CPUでは処理しきれないほどのデータをGPUでお手軽に高速処理するためのツールとして、TFに注目しました。 諸事情によりTensorflow==1.12.0を使用しますが
Tensorboard（Graph）覚書 - Qiita
TFのwrapperであるkerasを使い、Fashion-MNISTを分類する、MLP（中間層が1層）を構築した。TFのグラフを理解するため、Tensorboardを活用した。 今回、Tensorboardを使って、うまくできなかったところは、tf.Placeholderやtf.Variableをわかりやすく表示すること。やり方が分かったら、アップデートすることにする。 Tensorboardを使って可視化した、TFグラフ flatten: 入力値を1次元化(flatten)する 全結合層（Dense layer）に流し込むために、1次元にする必要がある。 (nbatch, 28, 28)→(nbatch, 784) flatten_inputをflattenのノードに入力する。 flattenのボックスをクリックすると、右側にflattenノードの詳細情報を見ることが出来る。 Subg
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
