一、导入库及相关数据（葡萄牙语翻译为英语）import matplotlib as mpl
import matplotlib.pyplot as plt
%matplotlib inline
import numpy as np
import sklearn
import pandas as pd
import os
import sys
import time
import tensorflo
转载
2024-02-22 18:28:40
81阅读
好像大家在windows上部署gpu版tensorflow都不太顺利，折腾了两个晚上，分享下自己的经验，希望对大家有所帮助。 有两点特别提一下：1、安装前先确认要安装的版本组合，Python是3.x的，tensorflow选择的版本是否支持你的Python版本，gpu版需要安装的C
转载
2024-07-07 19:54:26
42阅读
数据集的准备用的数据集都是我从网上下载的，而且数据集的预处理我之前已经写过一篇文章了，大家可以看那个文章从那里可以下载到数据集和预处理的代码。中英翻译对数据集的预处理。Transorflow模型代码这个模型是从GitHub获取的官网代码，不需要怎么改动。接下来我就简单的讲下每部分代码都起到了什么作用，至于为什么要用到这些代码和这些代码主要是干什么的？大家可以看看我转载的这篇文章，模型中的代码在这篇
转载
2024-03-24 10:46:47
60阅读
## Transformer: TensorFlow vs PyTorch
. It was
原创
2023-12-29 04:56:25
219阅读
功能组件（数据管道、回调函数、特征列处理）前言本文是《pytorch-tensorflow-Comparative study》，pytorch和tensorflow对比学习专栏，第三章——功能组件（数据管道、回调函数、特征列处理部分）。虽然说这两个框架在语法和接口的命名上有很多地方是不同的，但是深度学习的建模过程确实基本上都是一个套路的。所以该笔记的笔记方式是：在使用相同的处理功能模块上，对比记
转载
2024-03-21 17:50:39
290阅读
本文是针对谷歌Transformer模型的解读，另外，针对Kyubyong实现的tensorflow代码进行解读，代码地址https://github.com/Kyubyong/transformer
本文是针对谷歌Transformer模型的解读，根据我自己的理解顺序记录的。另外，针对Kyubyong实现的tensorflow代码进行解读，代码地址ht
转载
2024-05-09 09:31:10
49阅读
tensorflow1.x和tensorflow2.x对比与总结1. 主要区别有如下几点1.0. 易于使用（Ease of use）1.1. 使用Eager模式（Eager Execution）1.2. 建立模型和部署变得容易（Model Building and deploying made easy）1.3. 简化了Data pipeline（The Data pipeline simpli
转载
2024-02-27 20:12:44
202阅读
菜鸟学TensorFlow 2.0：TensorFlow2.0安装与环境配置1. TensorFlow概述2. TensorFlow依赖环境搭建3. TensorFlow 2安装3. 第一个TensorFlow程序 1. TensorFlow概述Tensorflow是当今深度学习很流行的一个框架，它是由谷歌开发的深度学习框架到现在已经发布到了TF2.0版本了。TensorFlow 2 废弃了大量
转载
2024-05-14 07:31:10
34阅读
先普及一些NLP基本概念，也给自己提个醒。tokenization指的是分词，分出来的每一个词语叫做token。文本向量化，转化成vector（一般不用one-hot，文本很多就完蛋了）word-embedding:使用了浮点型的稠密矩阵表示token，根据词典大小，向量会使用不同的维度，可以是100，256，300等等。向量中每一个值是个超参数，初始的时候是随机生成的，之后会在训练的过程中进行学
它较原先的1.x版本有什么改进呢？我们知道作为一个算法研究工具，tensorflow相较于同类型产品，编码是较为复杂的，需要引入额外的“搭建阶段（Construction Phase）”来创建视图，创建会话，初始化变量等等。同样是一段计算一串等比数列（1，1/2，1/4...）前50项之和，PyTorch的代码只有区区几行： 而在Tensorflow则要经历环境和执行阶段的构建工作。 结构的复杂性
转载
2024-08-24 14:16:10
68阅读
有些网络结构，在子类 layer 中并没有定义，这时就需要我们自己来进行编写，为了更灵活的构建自己想要的神经网络层，我们可以自己来创建网络结构类，当然，构建之前先看一眼官方 API 文档，省得白费功夫那是最好。tensorflow2 官方 API 文档注意：__init__() ，__build__() ，__call__() 均继承自 tf.keras.layers.Layer&nbs
转载
2024-05-22 19:24:53
74阅读
TensorRT一、简介TensorRT 是一个深度学习模型线上部署的优化引擎，即 GPU Inference Engine。Tensor 代表张量，即数据流动以张量的方式，如4维张量 [N, C, H, W]。RT表示 runtime。 一般情况如上图，线下构建网络结构，训练好模型，然后在实际业务中线上部署到对实时性要求较高（latency敏感）的场景，如一般的嵌入式设备，云端等等。实际应用中，
转载
2024-04-01 12:04:38
749阅读
opencv与tensorflow入门前言安装Anaconda(windows)图片的读取和写入图片的像素操作tensorflow入门numpy和matplotlib使用人工神经网络实现股票收盘价格逼近 前言在入门计算机视觉和深度学习之前，opencv是必须要学会的一个软件库，不仅要学习它的使用，还要理解它的基本原理。本文将从基础的环境搭建一步步进行CV入门之路。安装Anaconda(windo
转载
2024-02-23 22:47:26
24阅读
最近为了让机器人更加聪慧而善解人意，准备在英伟达的TX2上开发一下视觉目标检测与速度预判，需要一种比较好的方案，因此选择了Retinanet（Resnet）残差网络进行图像的识别。它需要配置TensorFlow1.4.0以上级别的框架，以及Python3.5，于是乎步入了血海深坑至今酸爽不已。接下来是需要注意的坑（对于菜狗来说，很多都是坑，让大神见笑了）：一、ARM内核与X86内核是不同的，在我们
转载
2024-04-13 00:48:43
102阅读
什么是TensorFlow? TensorFlow是Google开源软件库，为机器学习工程中的问题提供了一整套解决方案。类比于Spark/Flink是大数据工程问题的解决方案。该软件库把机器学习中的通用功能封装成了库，并提供了简易的API，使得在构建机器学习系统时不再需要做那些纷繁复杂的数学、工程工作，能把主要精力放在模型和业务上。这就像现在使用编程语言进行编程时，不再需要知道计算机硬件的细节，
转载
2024-02-27 22:21:26
121阅读
本文以TensorFlow源码中自带的手写数字识别Example为例，引出TensorFlow中的几个主要概念。并结合Example源码一步步分析该模型的实现过程。一、什么是TensorFlow 在这里，引入TensorFlow中文社区首页中的两段描述。关于 TensorFlow
TensorFlow™ 是一个采用数据流图（data flow
graphs），用于数值计算的开源
转载
2024-04-26 17:54:37
57阅读
1、系统架构上图是TensorFlow 的系统架构，自底向上分为设备层和网络层、数据操作层、图计算层、 API 层、应用层，其中设备层和网络层、数据操作层、图计算层是TensorFlow 的核心层。(1)网络通信层包括 gRPC（google Remote Procedure Call Protocol）和远程直接数据存取（Remote Direct Memory Access， RDMA），这都
转载
2024-01-04 12:11:23
1293阅读
Tensorflow2.0Tensorflow 简介Tensorflow是什么Google开源软件库采用数据流图,用于数值计算支持多平台 GPU CPU 移动设备最初用于深度学习,变得通用数据流图节点---处理数据线---节点之间的输入输出关系线上运输张量节点被分配到各种计算设备上运行特性高度的灵活性真正的可移植性产品与科研结合自动求微分多语言支持性能最优化历史历史版本2015年11月:首次发布2
文章目录前言一、模型架构0.背景知识1.整体架构2.Embedding和位置编码3.多头注意力机制4.残差连接5.LayerNorm6.Decoder二、疑问汇总三、模型实现1.实现思路2.实现过程四、延伸学习总结 参考： （1）Transformer代码(源码)从零解读(Pytorch版本）：https://www.bilibili.com/video/BV1dR4y1E7aL （2）Tran
深度了解Transformer【1】前言：Transformer由论文《Attention is All You Need》提出，谷歌云TPU推荐的参考模型。论文相关的Tensorflow的代码可以从GitHub获取，其作为Tensor2Tensor包的一部分。哈佛的NLP团队也实现了一个基于PyTorch的版本，并注释该论文。本文采取逐一的介绍论文里面的核心概念，希望让普通读者也能轻易理解。即会
