平时工作就是做深度学习，但是深度学习没有落地就是比较虚，目前在移动端或嵌入式端应用的比较实际，也了解到目前主要有caffe2，腾讯ncnn，tensorflow，因为工作用tensorflow比较多，所以也就从tensorflow上下手了。下面内容主要参考&翻译： https://www.tensorflow.org/mobile/?hl
转载
2024-05-27 17:12:24
75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
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
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、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__=="_
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
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
组成TendorFlow Lite转换器：用于将已经存在的模型转换为TensorFlow Lite兼容的模型(.tflite)，并将训练的模型保存在硬盘上。还可以在移动或者嵌入式应用程序中使用提前训练的模型Java/C++ API：用于载入.tflite模型并调用解释器。Java API是在C++ API上进行的封装，只能应用在Android系统。解释器和内核：内核帮助解释器根据选择载入...
原创
2023-01-06 10:07:47
310阅读
Tensorflow 2.0基础知识1.创建Tensorimport tensorflow as tftf.constant tensorflow 支持常见的bool string float double类型数据#声明一个tf的常量（数）
a = tf.constant(1,dtype=tf.float32)
#声明一个tf的常量（矩阵）
a = tf.constant([1,2],dtype=
使用tensorflow lite部署模型1.转换成tflite文件2.跑通官方demo3.连接手机调试4.更换自己的模型 这里放一个小伙伴的共识：tensorflow的版本兼容就是个大坑，不要靠近，会变得不幸。本来我不信邪，现在我只想说，不要用奇奇怪怪的tf模型转tflite,非要转就用常见的吧，呜呜呜。 这是一篇未成功的tensorflow lite踩坑记录，我打算转战onnx
转载
2024-04-29 18:44:05
284阅读
# TensorFlow Lite与TensorFlow架构实现指南
TensorFlow Lite是一个轻量级解决方案，使你能够在移动设备或边缘设备上运行TensorFlow模型。本文将指导刚进入开发领域的你如何利用TensorFlow和TensorFlow Lite实现模型架构。我将为你提供整个流程的概述，并逐步解释每个步骤所需的代码。
## 1. 流程概述
我们将以下过程分为四个主要步
uniapp使用tensorflow.js（微信端-01）该文章作为记录使用，因本人技术很差所以很多语句我也不懂，只是会使用，我也是跟着视频来学，只作为记录，比较感兴趣，大神直接到官方文档就行，我是根据视频教程来做的下面我也会发视频的教程链接官方文档地址：tensorflow.js中国文档视频教程地址：bilibili的教程在微信小程序中使用tensorflow.js的话其实和微信中写是一样的不过
转载
2024-07-18 23:36:28
381阅读
文章目录TensorFlow Lite 做了什么？将一个模型用 TensorFlow Lite 转换训练一个简易模型保存模型转换模型加载 TFLite 模型并分配张量进行预测将在猫狗大战数据集上进行迁移学习的 MobileNetV2 转换到 TensorFlow Lite将模型转换到 TensorFlow Lite优化模型References TensorFlow Lite 是一种用于设备端推断
转载
2024-04-11 14:21:35
142阅读
Tensorflow教程笔记基础TensorFlow 基础TensorFlow 模型建立与训练基础示例：多层感知机（MLP）卷积神经网络（CNN）循环神经网络（RNN）深度强化学习（DRL）Keras Pipeline自定义层、损失函数和评估指标常用模块 tf.train.Checkpoint ：
原创
2021-07-16 17:34:55
1266阅读
TensorFlow是Google开发的第二代分布式机器学习系统。于2015年11月在Github上开源，并于2017年1月发布了1.0版本的预览，API接口趋于稳定。目前TensorFlow正处于快速迭代中。有大量的新功能及性能优化在持续研发中。 TensorFlow设计之初是加速机器学习的研究，并快速的将研究原型转化为产品。除了TensorFlow，Google也开源过大量成功的项目，包括大
转载
2024-05-05 17:36:01
84阅读
TensorFlow lite 开发手册（6）——TensorFlow Lite模型使用通用流程（以CPM算法为例）（一）流程示意（二）主要函数说明（三） 操作流程3.1 CPM算法介绍3.2 加载模型3.3 加载所有tensor3.4 获取输入输出信息3.5 构建输入3.6 调用模型3.7 取出输出结果3.8 输出结果后处理3.8 标记结果3.9 完整程序 （一）流程示意
Creat
转载
2024-04-09 15:11:13
372阅读
Tensorflow2.0相比于以往版本，有着极大的区别；最明显的区别可以用三字词来概括：更简单，更易用，更强大。接下来让我们一起见证下不一样的地方吧！一、使用tf.data加载数据 使用tf.data创建的输入管道读取训练数据；支持从内存（Numpy）方便地输入数据；二、使用tf.keras构建，训练和验证模型，或使用Premade来验证模型
