TFRecord格式 TFRecord格式是TensorFlow首选的格式，用于储存大量数据并有效读取数据。这是一种非常简单的二进制格式，只包含大小不同的二进制记录序列（每个记录由一个长度、一个用于检查长度是否受损的CRC校验和、实际数据 以及最后一个CRC校验和组成）。可以使用tf.io.TFRe ...
转载
2021-10-27 11:15:00
399阅读
2评论
需求：读取生成的Tfrecord并展示部分图片.解决方法:基于tensorflow、cv2、numpy等库完成该功能
原创
2023-02-21 09:32:40
42阅读
tfrecord案例tfrecord案例tfrecord案例import tensorflow as tfimport osprint(tf.__version__)data_dir = './datasets'train_cats_dir = data_dir + '/train/cats/'train_dogs_dir = data_dir + '/train/dogs/'train_tfrecord_file = data_dir + '/train/train.tfrecords
原创
2021-08-02 14:47:39
286阅读
1 tf和时间在之前的教程中，我们了解了tf如何跟踪坐标系树。此树随时间变化，并且tf为每个变换存储时间快照（默认情况下最多10秒）。到目前为止，我们使用lookupTransform()函数来访问该tf树中的最新可用变换，而不知道该变换的记录时间。本教程将教您如何在特定时间进行转换。那么让我们回到最后添加框架教程的地方。转到您的教程包：$ roscd learning_tf并打开文件src /
最近在做一些文本的处理，把用到的一些小细节记下来。目录1.同时以多个分隔符切分字符串2.删除列表最后一个元素的方法3.把两个一维列表合并为二维列表，或者把两个字符串合并成一个列表4.查看列表是否为空5.判断二维列表是否为空1.同时以多个分隔符切分字符串如果说用一个固定的字符串切分的话，可能用 text.split("/")(这里text是字符串变量，/表示用"/"作为分割标准，返回的是切分后的列表
转载
2024-03-07 11:58:17
33阅读
对于数据进行统一的管理是很有必要的.TFRecord就是对于输入数据做统一管理的格式.加上一些多线程的处理方式,使得在训练期间对于数据管理把控的效率和舒适度都好于暴力的方法.小的任务什么方法差别不大,但是对于大的任务,使用统一格式管理的好处就非常显著了.因此,TFRecord的使用方法很有必要熟悉.
转载
2020-03-21 13:46:00
182阅读
2评论
需求：将图片文件保存成Tfrecord的格式.解决方法:基于tensorflow、cv2、numpy等库完成该功能.注
原创
2023-02-21 09:32:48
130阅读
7.2.1 tf.data使用 tf.data API 可以轻松处理大量数据、不同的数据格式以及复杂的转换。tf.data API 在 TensorFlow 中引入了两个新的抽象类：tf.data.Dataset 表示一系列元素，其中每个元素包含一个或多个 Tensor 对象。： 创建来源（例如 Dataset.from_tensor_slices()），以通过一个或多个 tf
numpy有很多方法进行转置，这里由于时间和精力限制（主要是我实在比较懒，有一个基本上一直能使的，就懒得看其他的了），其他方法我没研究，这里我总结的东西，如果有问题，欢迎各路大佬拍砖一、创建矩阵： 使用numpy库的matrix函数：matrix() 结果： 二、创建向量： 使用numpy的array()函数： 结果： 注意：使用该方法，我们得
转载
2023-06-02 23:01:41
1010阅读
numpy和pandas是在数据分析经常用到的两个工具，由于是使用c++写的，同时他是直接是使用了矩阵的运算，基于上述的原因，相比于python，他俩的特点就是快numpy：import numpy as np一、属性1、列表转矩阵：array= np.array([[1,2,3],[4,5,6]])2、矩阵的维数：array.ndim3、矩阵的形状：array.shape4、元素的数目：arra
转载
2023-11-10 07:54:38
67阅读
对于一维数组：>>> import numpy as np
>>> t=np.arange(4) # 插入值0-3
>>> t
array([0, 1, 2, 3])
>>> t.transpose()
array([0, 1, 2, 3])
>>>由上可
转载
2023-10-15 09:39:14
226阅读
一、数据集的划分1.1 通常讲数据集划分为：训练数据集：又称训练集，是训练模型时使用的数据测试数据集：又称测试集，是学得的模型在实际使用中用到的数据验证数据；又称验证集，是在评估与选择模型时使用的数据1.2 参数的选择模型评估与选择主要是确定算法使用的参数，在机器学习中有两类，分别是1、算法参数：又称为超参数，该参数是模型的外部设置，如K近邻算法中使用的K值。该参数由人工确定，常说的“调参”是指对
转载
2024-04-24 12:12:35
23阅读
添加链接描述Numpynumpy属性Numpy 的创建 arrayNumpy 基础运算1Numpy 基础运算2Numpy 索引Numpy array 合并Numpy array 分割Numpy copy & deep copyPandasPandas 基本介绍一.numpy属性ndim：维度shape：行数和列数size：元素个数 使用numpy首先要导入模块import numpy as
转载
2023-11-27 15:59:31
64阅读
generate_tfrecord.py生成tfrecord出错记录
原创
2019-10-28 19:44:26
3992阅读
数据文件是一种将图像数据和标签统一存储的二进制文件，能更好的利用内存，在tensorflow中快速的复制，移动，读取，存...
原创
2021-07-12 11:47:34
195阅读
今天自己用tf2搭建框架完成PassGAN网络，终于把模型和训练算法都完成了，效果也不错的时候，突然发现使用tf.saved_model.save保存模型会报错，而且错误很离谱，基本上无法debug的那种，令人十分头疼。首先介绍一下代码的大致结构，GAN网络中生成器和判别器都是自己定义的，并且使用到了自定义的layer：训练时可以使用tf.train.Checkpoint的保存方法，即使中断训练，
pandas转numpy 一、总结 一句话总结： 1、使用DataFrame中的values方法：df.values 2、使用DataFrame中的as_matrix()方法：df.as_matrix() 3、使用Numpy中的array方法：np.array(df) 二、将Pandas中的Data
转载
2020-10-27 07:56:00
774阅读
2评论
# Python转Numpy的流程
在使用Python进行数据处理和分析时，经常会用到Numpy库，因为它提供了丰富的数值计算工具和高效的数组操作功能。本文将为你介绍如何使用Python将数据转换为Numpy数组。
## 步骤概览
下面是将Python数据转换为Numpy数组的步骤概览：
| 步骤 | 描述 |
| --- | --- |
| 1 | 导入`numpy`库 |
| 2 |
原创
2023-11-08 13:27:04
34阅读
记录个人学习中遇见的python问题1.Python中的*args和**kwargs2021年12月16日10:25:32
*args **kwargs的使用
理解如下：args在前，kwargs在后
*args传入一个可变元组无需赋值fun(1, 2, 3)
**kwargs传入的是一个字典，变量名作为字典的key，值作为字典value
fun(1, 2, 3, name='yida', ag
转载
2024-05-03 16:09:26
66阅读
数组操作更改形状在对数组进行操作时，为了满足格式与计算的需要我们常常会改变数组的形状。
numpy.ndarray.shape表示数组的维度，返回一个tuple，tuple的长度等于维数ndim 【例】通过修改 shape 属性来改变数组的形状。import numpy as np
x = np.array([1, 2, 9, 4, 5, 6, 7, 8])
print(x.shape) #
转载
2024-05-02 08:11:43
77阅读
