Tensorflow下使用SSD训练自己的数据集1、数据集格式转换。① 将自己的数据集做成VOC2007格式，直接将VOC2007文件夹粘贴到SSD-Tensorflow-master目录下。② 修改datasets文件夹中pascalvoc_common.py文件中的训练类。#原始的
# VOC_LABELS = {
# 'none': (0, 'Background'),
#
一：基本概念1、使用图(graphs)来表示计算任务2、在被称之为会话(Session)的上下文(context)中执行图3、使用tensor表示数据4、通过变量(Variable)维护状态5、使用feed和fetch可以为任意的操作赋值或者从其中获取数据TensorFlow是一个编程系统，使用图（graphs）来表示计算任务，图（graphs）中的节点称之为op（operation），一个op获
转载
2024-05-14 18:17:16
69阅读
TensorFlow实战———模型持久化为了让训练结果可以复用，需要将训练得到的神经网络模型持久化。持久化代码实现TensorFlow提供了一个非常简单的API来保存和还原一个神经网络模型，这个API就是tf.train.Saver类。 ““python
import tensorflow as tf
v1 = tf.Variable(tf.constant(1.0, shape=[1]
1、简介 对于tensorflow.contrib这个库，tensorflow官方对它的描述是：此目录中的任何代码未经官方支持，可能会随时更改或删除。每个目录下都有指定的所有者。它旨在包含额外功能和贡献，最终会合并到核心Tensorflow中，但其接口可能仍然会发生变化，或者需要进行一些测试，看是否可以获得更广泛的接受。所以slim依然不属于原生tensorflow。那么什么是slim? sli
使用object detection训练并识别自己的模型1.安装tensorflow(version>=1.4.0)2.部署tensorflow models - 在这里下载 - 解压并安装 - 解压后重命名为models复制到tensorflow/目录下 - 在linux下 - 进入tensorflow/models/research/目录，运行protoc ob
转载
2024-07-04 11:04:45
249阅读
用浏览器训练Tensorflow.js模型的18个技巧（上）8.随机你的输入！训练神经网络的一个常见建议是通过在每个时期开始时对输入进行混洗来随机化训练样本。我们可以使用tf.utils.shuffle来实现这个目的：/** Shuffles the array using Fisher-Yates algorithm. */
export function shuffle(array: any[
转载
2024-06-10 17:54:25
92阅读
如何重新训练Tensorflow Inception模型在Ubuntu上添加新类
感谢谷歌，我们现在可以下载V3的预先训练模型，并设置我们的图像分类器。我们不必花费大量的时间从头开始训练这个模型。预先训练的模型可以分类1000个不同的对象，我们也可以添加更多的类或类别。重新训练Tensorflow初始模型花费的时间比从零开始训练时间少得多。我们之所以不从头开始培训新车型，是因为在较低的硬件规
转载
2024-05-20 18:05:25
56阅读
Yolov-1-TX2上用YOLOv3训练自己数据集的流程(VOC2007-TX2-GPU)Yolov--2--一文全面了解深度学习性能优化加速引擎---TensorRTYolov--3--TensorRT中yolov3性能优化加速（基于caffe）yolov-5-目标检测：YOLOv2算法原理详解yolov--8--Tensorflow实现YOLO v3yolov--9--YOLO v3的剪枝优
转载
2024-10-31 18:32:13
10阅读
前几天Google的IO大会上发布的ML Kit，ML Kit为端上部署深度学习模型提供了一套完整的解决方案，本地运行、云端都支持。里面本地部署用到的就是Tensorflow lite。Tensorflow Lite是在Google去年IO大会上发表的，目前Tensorflow Lite也还在不断的完善迭代中。Tensorflow Lite在Android和iOS上部署官网有比较详细的介绍已经对应
转载
2024-03-14 20:44:25
357阅读
1评论
在这篇博文中，将介绍如何使用TF Lite model maker库创建TensorFlow Lite模型。我们将在自定义数据集上微调一个预训练的图像分类模型，并进一步探索Tensorflow Lite支持的不同类型的模型优化技术，并将其导出到TF Lite模型。将创建的TF Lite模型与通过Tensorflow Lite 转换的模型进行详细的性能比较，最后将模型部署到web应用中。1. Ten
转载
2024-04-12 16:05:47
185阅读
2018.03.12前提由于要完成一个项目的原因，开始查找将tensorflow模型转换成lite格式，但是网上资料相对较少，又有一些细节没写，我作为一个新手实在是吃力，花了一个多星期，终于生成成功，以此记录总结一下，请多多指教。我原先的模型是有tensorflow 的 /tensorflow-master/tensorflow/examples/image_retraining/retrain.
转载
2024-08-14 17:32:56
55阅读
本文在Ubuntu下使用tensorflow的object detection API来训练自己的数据集。所用模型为ssd_mobilenet，也可以使用其他的模型。当然也可以在windows下训练，代码上没有多大差别，主要是配置环境那里，比较麻烦（windows和linux下都一样麻烦）。一、配置环境1. 在GitHub上下载所需的models文件，地址：https://github.com/t
转载
2024-04-16 13:24:36
42阅读
TensorFlow是谷歌基于DistBelief进行研发的第二代人工智能学习系统，其命名来源于本身的运行原理。Tensor（张量）意味着N维数组，Flow（流）意味着基于数据流图的计算，TensorFlow为张量从流图的一端流动到另一端计算过程。TensorFlow是将复杂的数据结构传输至人工智能神经网中进行分析和处理过程的系统。TensorFlow可被用于语音识别或图像识别等多项机器深度学习领
转载
2024-05-27 15:08:22
98阅读
Tensorflowlite 部署到 arm开发板一 先在本机上操作1 下载TensorFlow下载依赖2 准备ARM的交叉编译环境2.1 下载安装包2.2 解压安装包2.3 配置环境变量2.4 查看编译器版本3 交叉编译生成静态库4 官方Demo ：label_image的编译4.1 整理头文件4.2 cmake ,make 进行编译二 在开发板上操作 一 先在本机上操作本机：Ubuntu18
转载
2023-12-20 09:59:02
234阅读
TensorFlow数据读取方式：Dataset APIDatasets：一种为TensorFlow 模型创建输入管道的新方式。把数组、元组、张量等转换成DatasetV1Adapter格式Dataset api有方法加载和操作数据，并将其输入到您的模型中。Dataset api与Estimators api很匹配。下图是tensorflow API的完整架构图：Datasets API是由以下图
Inception-v3模型结构：Inception-v3简介：
1.基于大滤波器尺寸分解卷积
在视觉网络中，预期相近激活的输出是高度相关的。因此，我们可以预期，它们的激活可以在聚合之前被减少，并且这应该会导致类似的富有表现力的局部表示。
全卷积网络 减少计算可以提高效率
2.分解到更小的卷积
5×5换2个3×3
一·GPU版本前言，2.10和2.11都缺少很多DLL文件，而且找不全，2.12解压就会出现问题，2.8是我目前发现的能用的版本了，全部一模一样复刻。今天是7月26号，GPU只有2.10版本之前的，2.11和2.12只有CPU版本，我居然才知道，痛苦面具。结论tensorflow2.8.0 配合 cuda 11.8 +cudnn8.9 可行！1.1. GPU三个要求第一 cuda to
tensorflow 代码 介绍：(Introduction:)Learning to develop Deep Learning models is not an easy task to accomplish — especially for those who may not have serious experience in the field. When beginning to l
一、利用tensorflow输出hello worldimport tensorflow as tf
def main():
opertion_me = tf.constant("Hello world")
with tf.Session() as sess:
print(sess.run(opertion_me).decode())
if __name__=="_
今年三月底，我们在 YouTube 上开通了 TensorFlow 视频频道，今天，我们为大家带来 TensorFlow 频道「Coding TensorFlow 系列」的中文演讲视频，这个系列将会带领大家一起做有关机器学习的编程，并使用 TensorFlow 实现 AI。我们将于本周一、三、五更新「Coding TensorFlow 系列」的前三个中文视频，并将在 TensorFlow 微信公众
转载
2024-08-20 19:36:04
209阅读
