文件写入与读取 tensorflow程序读取数据一种3中方法供给数据(feeding)：在tensorflow程序运行的每一步，让python代码供给数据从文件读取数据：在tensorflow图的起始，让一个输入管道从文件中读取数据预加载数据：在tensorflow图中定义常量或变量来保存所有数据（仅适用于数据量比较小的情况）1.预加载数据：import tensorflow as tf
x1=
转载
2024-03-21 14:22:55
23阅读
关于配环境，每个人都可能会遇到各种各样的问题，不同电脑，系统，版本，等等。即使上边这位大神写的如此详细，我也遇到了他这没有说到的问题。这些问题都是我自己遇到，通过百度和自己摸索出来的解决办法，不一定适用所有人，仅供参考。如果哪位大神能给我说一说我的那些操作的原理，不胜感激。先说一下我的电脑，Windows10专业版，64位操作系统Windows下Python版本TensorFlow需要
任何神经网络在开始训练数据时，都需要数据增强。什么是数据增强呢？我们首先看一个例子，假如我们的训练集有10万图片，如果直接使用这10张图片进行训练，是不是感觉训练集有点小。在假如，训练神经网络的目的是要正确识别猫，而此时呢？你的训练集中含有猫头的图片都是朝着左侧倾斜，那么当你训练好模型之后，你的模型不能准确识别猫头朝着右侧倾斜的图片，因为它没有被训练。而假如你在训练输入时，将训练集合中的所有图
转载
2024-10-09 12:13:07
33阅读
基于tensorflow实现中文情感分类项目简介： 利用自然语言处理技术，实现对输入文本的情感值计算，从而准备判断舆情。项目流程：数据收集项目训练数据使用的是谭松波老师的酒店评论语料。训练样本放置在两个文件夹内：pos和neg，每个文件夹有2000个txt文件，每个文件是一段评语，共有4000个训练样本。预训练词向量预训练词向量使用了北京师范大学中文信息处理研究所与中国人民大学 DBIIR 实验室
一、MNIST数据集介绍MNIST是一个非常有名的手写体数字识别数据集，在很多资料中，这个数据集都会作为深度学习的入门样例。下面大致介绍这个数据集的基本情况，并介绍tensorflow对MNIST数据集做的封装。tensorflow的封装让使用MNIST数据集变得更加方便。MNIST数据集是NIST数据集的一个子集，它包含了60000张图片作为训练数据，10000张图片作为测试数据。在MNIS...
原创
2021-08-12 22:04:10
474阅读
一、引言深度学习在计算机视觉、自然语言处理等众多领域取得了显著成就，手写数字识别作为其中一个经典且基础的任务，是学习深度学习的理想切入点。本文将基于 TensorFlow 框架，详细介绍手写数字识别的实现过程，从基础的模型构建到进阶的优化策略，涵盖数据处理、模型搭建、训练与评估等关键步骤。二、数据准备2.1 数据集介绍我们使用 MNIST 数据集，它包含 60000 张训练图像和 10000 张测
我们的模型训练出来想给别人用，或者是我今天训练不完，明天想接着训练，怎么办？这就需要模型的保存与读取。看代码：import tensorflow as tf
import numpy as np
import os
#输入数据
x_data = np.linspace(-1,1,300)[:, np.newaxis]
noise = np.random.no
转载
2024-09-22 21:08:20
93阅读
看了几篇关于cnn的文章，感觉那种大模型的cnn真的不适合个人去使用，自己也没有那么强悍的显卡，也没有足够的数据和时间还是用迁移学习比较好，这里说一下用的模型，inception_v3是谷歌的cnn框架。这个框架有22层深，用tensorboard看的时候是比较大的(相比于letnet和alxnet)，这个框架运算量并不大，而且很多卷积层的权值基本上可以不用改变，可以说使用起来非常的方便。他降低参
https://github.com/sourcedexter/tfClassifier/tree/master/image_classification https://download..net/download/yang_china/11467532?spm=1001.2101.3 ...
转载
2021-07-26 15:13:00
627阅读
@TOC(基于CNN的图像识别)基于CNN的图像识别以CNN为基础完成一个CIFAR10图像识别应用CNN相关基础理论卷积神经网络概述CNN（ConvolutionalNeuralNetwork，卷积神经网络）是DNN（深度神经网络）中一个非常重要的并且应用广泛的分支，CNN自从被提出，在图像处理领域得到了大量应用。1.卷积神经网络结构卷积神经网络按照层级可以分为5层：数据输入层、卷积层、激活层、
原创
2022-05-24 01:24:31
848阅读
点赞
Tesorflow目前是最为主流的机器学习平台之一，目前对于tf的学习还只是在皮毛，目前接触到了目标检测（Object Detection），如果让自己通过网络架构去写一个训练模型就目前而言是不太现实的。为了实践需要，所以学习了使用这个API去帮助自己去做出目标检测的一个项目。这次主要做的是安全帽识别，而且数据量特别的巨大，所以训练时间就要跑特别长时间。 其实对于初学者而言，总是想要去了解代码的思
转载
2024-07-07 01:46:43
57阅读
基于CNN的图像识别 以CNN为基础完成一个CIFAR-10图像识别应用 CNN相关基础理论 卷积神经网络概述 CNN（Convolutional Neural Network，卷积神经网络）是DNN
原创
2022-06-01 10:20:47
1955阅读
前言tensorflow是深度学习中的一个非常好的一个框架，可以实现人工智能的很多方面，而卷积神经网络是一种非常好的一个神经网络，卷积神经网络的基础就是线性回归的问题。在我上一篇博客就讲解了用两层卷积网络来实现识别mnist手写数字的识别，而这篇博客就写一下卷积神经网络实现验证码的识别。步骤这里步骤可以分为两种，一种是先生成图片和标签，然后把图片和标签一起存在tfrcords文件当中，这里读取的时
一、模型文件的保存在训练一个TensorFlow模型之后，我们可以将训练好的模型保存成文件，这样可以方便下一次对新的数据进行预测的时候直接加载训练好的模型即可获得结果，下面通过TensorFlow提供的tf.train.Saver函数，将一个模型保存成文件，一般习惯性的将TensorFlow的模型文件命名为*.ckpt文件。import tensorflow as tf
if __name__
转载
2024-01-25 20:33:54
111阅读
做东西，最重要的就是动手了，所以这篇文章动手跑了一个fcn32s和fcn8s以及deeplab v3+的例子，这个例子的数据集选用自动驾驶相关竞赛的kitti数据集， FCN8s在训练过程中用tensorflow2.0自带的评估能达到91%精确率, deeplab v3+能达到97%的准确率。这篇文章适合入门级选手，在文章中不再讲述fcn的结构，直接百度就可以搜到。 文章使用的是tenso
转载
2024-02-14 14:16:25
64阅读
PythonProgramming.net TensorFlow 目标检测（转）一、引言你好，欢迎阅读 TensorFlow 目标检测 API 迷你系列。 这个 API 可以用于检测图像和/或视频中的对象，带有使用边界框，使用可用的一些预先训练好的模型，或者你自己可以训练的模型（API 也变得更容易）。首先，你要确保你有 TensorFlow 和所有的依赖。 对于 TensorFlow CPU，你
转载
2024-03-24 12:07:45
43阅读
深度学习，宝可梦图像识别
原创
2023-09-15 14:28:53
260阅读
import cv2
原创
2023-06-15 11:06:31
81阅读
基于softmax的全链接层模型，使用mnist训练集进行手写数字的识别
原创
2021-11-08 10:57:57
10000+阅读
TensorFlow和Keras最常见的用途之一是图像识别/分类。通过本文，您将了解如何使用Keras达到这一目的。
原创
2021-07-16 16:26:53
1150阅读
