Tensorflow实现卷积神经网络用于人脸关键点识别

Tensorflow实现卷积神经网络用于人脸关键点识别实现卷积神经网络用于人脸关键点识别

主要介绍了Tensorflow实现卷积神经网络用于人脸关键点识别，小编觉得挺不错的，现在分享给大家，也给大家

做个参考。一起跟随小编过来看看吧

今年来人工智能的概念越来越火，AlphaGo以4：1击败李世石更是起到推波助澜的作用。作为一个开挖掘机的菜鸟，深深感到

不学习一下deep learning早晚要被淘汰。

既然要开始学，当然是搭一个深度神经网络跑几个数据集感受一下作为入门最直观了。自己写代码实现的话debug的过程和运

行效率都会很忧伤，我也不知道怎么调用GPU… 所以还是站在巨人的肩膀上，用现成的框架吧。粗略了解一下，现在比较知

名的有caffe、mxnet、tensorflow等等。选哪个呢？对我来说选择的标准就两个，第一要容易安装(想尽快入门的迫切心情实在

明：

class tf.Tensor

Represents a value produced by an Operation.

A Tensor is a symbolic handle to one of the outputs of an Operation. It does not hold the values of that

operation's output, but instead provides a means of computing those values in a TensorFlow Session.

首先，Tensor代表了执行一个操作(运算)所产生的值。其次，一个Tensor实例并不会保存具体的值，而只是代表了产生这些值

的运算方式。好像有些拗口，也就是说假如有一个加法操作add，令c = add(1,1)。那么c就是一个tensor实例了，代表了1+1的

结果，但是它并没有存储2这个具体的值，它只知道它代表1+1这个运算。从这里也可以看出，tensorflow里的api都是惰性求

值，等真正需要知道具体的值的时候，才会执行计算，其他时候都是在定义计算的过程。

Tensor可以代表从常数一直到N维数组的值。

生的标量常数值的过程。 b就是代表了产生一个2*2的array的过程。

a = tf.constant(3)

b = tf.constant(3,shape=[2,2])

变量变量

变量代表了神经网络中的参数，在优化计算的过程中需要被改变。tf.Variable当然也是一个Operation，用来产生一个变量，构

造函数需要传入一个Tensor对象，传入的这个Tensor对象就决定了这个变量的值的类型(float 或 int)与shape。

变量虽然与Tensor有不同的类型，但是在计算过程中是与Tensor一样可以作为输入输出的。(可以理解为Tensor的派生类，但

是实际上可能并不是这样，我还没有看源码)

变量在使用前都必须初始化。

w = tf.Variable(b)