在前面我们测试过一个例子，这个例子不知道你是否还记得它的内容，如果没有记得也没有关系，现在到我们去研究这个例子的时候了，它的前两行是这样写的：1. import tensorflow as tf
2. import numpy as np如果你的python还是不懂，强烈建议先学习一下 课程，这样会跟上我们的进度的。在这两行代码里，第一行代码就是导入（import）顶顶大名的tensorflo
numpy_input_fn 以及队列性质该函数的作用是从numpy的输入数据中，产生读取的featrues和labels数据。这样当我们在使用numpy的数据作为输入的时候就很方便。对于所有的input来说，都是要建立队列来进行读入，所以对于队列的处理就会比较麻烦，而numpy_input的数据将这些对队列的输入封装在一起方便了我们使用.import tensorflow as tf
impor
转载
2024-07-23 15:12:27
362阅读
1 Numpy运算速度上的优势在这里我们通过一段带运行来体会到Numpy的好处import random
import time
import numpy as np
a = []
for i in range(100000000):
a.append(random.random())
t1 = time.time()
sum1=sum(a)
t2=time.time()
b=np.ar
转载
2024-07-21 09:19:38
103阅读
鉴于tensorflow目前正在更新2.0版本，博主对博客也新增了适用于2.0版本动态度转换方法，更新于 --2019//09//29图1 numpy 图2 tensorflow - 问题描述在我们使用TensorFlow进行深度学习训练时，很多时候都是与Numpy数据打招呼，例如我们csv或者照片数据等。 但是我们都知道，TensorFlow训练时都是使用Tensor来存储变量的，并且网络输出的
转载
2024-04-25 18:38:35
33阅读
Tensor 数据类型在介绍 Tensor 数据之前，先介绍两种 Python 常用的数据结构，并解释，为什么做深度学习不用这些数据结构，而是要用 Tensor。List ： Python中最常用的数据结构，以 [ ] 括起来，如 [1, 1.1, ‘hello’, ‘(1,2)’, layers] ，缺点是储存图片占用内存非常大，读写图片数据效率低。np.array ： 存成一个静态
Tensorflow 1.2 tensorflow里面的tensor在tensorflow 里面，所有的数据都是以张量tensor的形式存在的。张量其实就是n维矩阵的抽象。一维的张量是向量，二维的张量是矩阵。tensorflow的数据类型tensorflow 可接受python自带的数据类型Tensorflow可以接受python数值，布尔值，字符串或由它们构成的列表。单个数值将被转化为标量，数值
转载
2024-07-09 00:00:47
26阅读
TensorBoard（2.x版本）使用入门TensorBoard工具介绍TensorBoard工作原理配套TensorBoard的代码编写一个简单的操作实例TensorFlow代码TensorBoard操作一个稍微复杂的实例TensorFlow代码TensorBoard操作注意事项说明Jupyter环境下的操作其他说明 TensorBoard工具介绍TensorBoard是TensorFlow
转载
2024-04-14 17:09:46
96阅读
Numpy基础数组基础在学习tensorflow之前我们先要了解一些numpy的使用方法，因为在tensorflow使用中初期的数据一般都是由numpy来处理的。
首先我们要知道numpy主要是用来进行高维数组运算的，其实我们使用python的内置list列表数据类型，也可以自己完成这些操作，但缺点也特别的明显，一个就是编码比较复杂，完成一个简单的功能需要编写较多的代码，而用numpy可能就是一句
转载
2023-11-17 10:45:48
225阅读
tensorflow各个版本参考文章1.x各版本下载地址 https://pypi.tuna.tsinghua.edu.cn/simple/tensorflow/tensorflow各个版本的CUDA以及Cudnn版本对应关系 一、tensorflow各个版本需要的CUDA版本以及Cudnn的对应关系版本Python 版本编译器编译工具cuDNNCUDAtensorflow_gpu-2.0.0-a
转载
2024-04-24 11:25:56
530阅读
有这么一个段子:
深度学习论文有一半不公开源代码,另外公开源代码的一半复现不了,鬼知道作者怎么把结果搞得这么牛逼的.
其中一个原因就是深度学习使用了大量的随机数,就我一般使用的Python+TensorFlow环境而言,Python的随机性来自于numpy,而TensorFlow在初始化参数的时候也是使用了随机数的,当我们复现时,如果随机数都不一样,那么得到的结果是否和作者相同就依赖于这
1.问题描述我们使用Numpy也是可以手动去编写神经网络进行反向传播深度学习的，就是有两个问题，1.Numpy手动去编写神经网络很繁琐，代码量较大，不利于大规模开发；2.Numpy无法直接使用GPU加速计算看到网上有很多人说PyTorch很好用，比TensorFlow优雅便捷。个人认为其中一个很主要的原因PyTorch很类似与Numpy，对数据操作处理很简单。并且PyTorch是支持使用GPU加速
转载
2023-09-30 21:00:33
290阅读
# Python版本和Numpy版本实现流程
## 1. 介绍
在开发过程中，我们经常会使用到Python和Numpy两个库。Python是一种通用的编程语言，而Numpy是专门用于数值计算的库。在很多情况下，我们需要对大量的数据进行操作和计算，而Numpy提供了高效且方便的函数和工具，能够大幅提升我们的开发效率。
在本文中，我将介绍如何实现Python版本和Numpy版本的代码，并给出相应
原创
2023-10-24 19:33:10
149阅读
# 如何获取 NumPy 版本和 Python 版本
在开发过程中，我们常常需要检查所使用的库和编程语言的版本，以确保它们与项目需求相符。特别是在使用 NumPy 这类科学计算库时，确认其版本以及 Python 的版本显得尤为重要。本篇文章将逐步指导初学者如何实现这一操作。
## 流程概述
为了获取 NumPy 版本和 Python 版本，我们可以遵循以下步骤：
| 步骤 | 描述
原创
2024-09-17 06:19:59
113阅读
机器之心报道参与：杜伟、一鸣TensorFlow2.1的更新，能够让弃坑的用户回心转意吗？去年 10 月，谷歌才发布了 TensorFlow 2.0 正式版。时隔三个月后，昨日官方发布了 TensorFlow 2.1，本次版本更新带了了多项新特性、功能改进和 bug 修复。从本次更新的日志来看，TensorFlow 2.1 将成为最后一个支持 Python2 的版本了。同时，本次更新的重点是增加了
转载
2023-11-01 19:54:10
73阅读
对于深度学习而言，很多任务都是与数字图形处理打交道。这类任务的数据集一般是由很多张图像构成，有时候，当原始图像不能直接送入模型中时，需要对其进行一定的预处理操作，这时候就不得不向大家介绍一个十分有用的软件包OpenCV，用它处理图像起来非常方便，OpenCV是一个基于BSD许可发行的跨平台计算机视觉库，它轻量且高效，是由一系列C函数和少量C++
转载
2024-08-10 08:46:31
342阅读
Tensorflow与cuda版本关系（附加多个cuda版本安装）多说一句1.windows如果，在网上down的代码用的tf的版本与你本机cuda不一致的话，可以在本机安装多个cuda版本，到时候再根据你自己的项目来选择使用哪个版本的cuda（就我本机win10为栗子） 1.安装cuda，这一步在网上太多教程，随便找个就行（cuda安装教程（windows）） 2.一般来说，如果cuda默认安装
转载
2024-04-23 11:57:54
35阅读
文章目录1.导入tf.keras2.构建简单模型2.1模型堆叠2.1.1dense ：全连接层2.2网络配置3.训练和评估3.1设置训练流程3.2输入Numpy数据3.2.1fit参数详解3.3tf.data输入数据3.3.1构造dataset3.4评估与预测3.5 Sequential模型线性回归实战4.构建高级模型4.1函数式api4.1.2 tf.keras.Input函数4.2模型子类化
转载
2024-06-30 09:04:38
560阅读
在机器学习领域，TensorFlow 和 PyTorch 是两个最流行的深度学习框架，由于它们各自的优缺点，很多开发者在实际项目中会同时使用这两个框架。然而，由于版本兼容性问题，开发者经常会遇到“TensorFlow版本和PyTorch版本”不匹配的情况，这不仅影响开发效率，还会对业务交付产生重大影响。本文将详细记录解决这一问题的过程。
### 背景定位
在机器学习项目中，不同的深度学习框架由
目录前言开发环境一览显卡驱动安装下载驱动禁用nouveau安装驱动安装CUDA10.0第一个CUDA程序安装cudnn7.5安装TensorFlow1.13最后前言之前写过cuda环境的搭建文章, 这次干脆补全整个深度学习环境的搭建.开发环境一览CPU: Intel core i7 4700MQGPU: NVIDIA GT 750MOS: UBUNTU 18.04.1LTS 64位用指令看下英伟达
TensorBoard 是用于可视化 TensorFlow 模型的训练过程的工具（the flow of tensors），在你安装 TensorFlow 的时候就已经安装了 TensorBoard。我在前面的 【TensorFlow】TensorFlow 的卷积神经网络 CNN - TensorBoard版 和 【Python | TensorBoard】用 PCA 可视化 MNIST 手写数字
转载
2024-09-02 17:43:25
348阅读
