1、环境说明①、操作系统：ubuntu②、网络要求：需要能够科学上网2、安装依赖apt-getinstall-ypython3build-essentialcurllibcurl3-devgitlibfreetype6-devlibzmq3-devpkg-configpython3-devpython3-numpypython3-pipsoftware-properties-commonswigz
原创
2018-09-25 08:07:10
10000+阅读
作者： Milosz Zeglarski在这篇博客中，您将学习如何使用OpenVINO Model Server中的gRPC API对JPEG图像执行推理。Model servers在顺利地将模型从开发环境引入生产方面发挥着重要作用。它们通过网络终结点提供模型，并公开用于与之交互的 API。提供模型后，需要一组函数才能从我们的应用程序调用 API。OpenVINO™ Model Server和Te
转载
2024-08-29 22:54:16
53阅读
在上篇博客中已经详细的介绍了tf的安装，下面就让我们正式进入tensorflow的使用，介绍以下tf的特征。首先tf有它独特的特征，我们在使用之前必须知晓：使用图 (graph) 来表示计算任务，tf把计算都当作是一种有向无环图，或者称之为计算图。计算图是由节点（node）和边（edge）组成的，节点表示运算操作，边就是联系运算操作之间的流向/流水线。使用张量（ tensor） 表示数据，张量用来
这一节将比较仔细的讲述一个比较重要的知识，就是模型的保存和加载。我们都知道深度学习模型在训练一些大数据集的时候往往需要很长的时间，如果这时候突然断网了或者停电了，那训练不就GG了吗？如果我想再次使用这个模型,难道要重新来过？当然不。在Tensorflow2.0中官方提供了多种模型保存和加载的方式，我们可以训练一定次数进行保存方便下次打开代码时接着进行训练，听起来是不是十分方便呢？接下来让我们来看一
转载
2024-04-08 13:21:06
36阅读
神经网络像一个黑盒，我们无法解释清楚单个权重或偏置对输出的影响，但如果我们可以得到权重和偏置在训练过程中的变化趋势，对它们有一个宏观认识，也是不错的。运用summary就可以实现上述目的，具体如下： 1、定义summary，如 mean=tf.reduce_mean(w1)
stddev=tf.sqrt(tf.reduce_mean(tf.square(w1-mean)))
tf.summar
转载
2024-04-02 10:49:24
69阅读
Tensorflow_demo1. Tensorflow 基本细节2. demo 本文介绍了tensorflow的一些基本知识，并以tensorflow官方提供的demo为例，讲解tensorflow_v2.6搭建模型，并训练模型的大致过程。 同时对其中涉及到tensorflow api和其他知识点进行了详细解读。 1. Tensorflow 基本细节tensorflow Tensor 的通道
转载
2024-03-27 20:12:30
67阅读
第一部分： 网站运营时间长了之后，或者引入的一些图片的链接失效了等等原因，不可避免的会出现图片加载失败的情况。这样给用户的体验非常不好，并且如果前端开发人员在设置img的css属性不当时，对页面的整体布局也会造成极大的影响。 比如，一个图片连接失效，即使我们添加了alt属性，让用户知道这是什么图片，但是显然体验也是极为糟糕的，如下所示： 那么有什么好的方法可以解决这
转载
2024-09-05 08:11:54
22阅读
文章目录引言基于Keras Sequential API搭建模型基于Keras 函数API搭建模型简单实例多输入实例多输出实例子类化API参考 引言TensorFlow提供了多种API，使得入门者和专家可以根据自己的需求选择不同的API搭建模型。基于Keras Sequential API搭建模型Sequential适用于线性堆叠的方式搭建模型，即每层只有一个输入和输出。import tenso
转载
2024-03-15 05:22:44
74阅读
今天的课程是本周的最后一节了，大家坚持一下！今天的内容是模型的保存与加载，深度学习模型我们目前学习了两种：keras模型与自定义模型（keras模型，自定义模型）；模型的保存与加载老师的github中给出了三种方法，下面我们就通过今天的打卡作业来梳理一下这些方法如何使用以及有何差别。"""
第一个是model.load_weights('文件名.h5')和model.load_weight
转载
2024-04-09 08:54:43
70阅读
tensorflow模型参数保存和加载问题终于找到bug原因！记一下；还是不熟悉平台的原因造成的！ Q：为什么会出现两个模型对象在同一个文件中一起运行，当直接读取他们分开运行时训练出来的模型会出错，而且总是有一个正确，一个读取错误？ 而 直接在同一个文件又训练又重新加载模型预测不出错，而且更诡异的是此时用分文件里的对象加载模型不会出错？model.py,里面含有 ModelV 和 ModelP，
转载
2024-03-18 21:44:47
35阅读
我们知道使用module.summary函数可以得到一张表格，来查看这个神经网络模型的各个参数。其中最后一列为Param参数。目录一 、param是什么二、举例说明如何计算param 1 以一个三层的全连接神经网络为例 2 卷积神经网络中的param 一 、
转载
2024-03-28 11:50:39
50阅读
from kaffe.tensorflow import Network
class AlexNet(Network):
def setup(self):
(self.feed('data')
.conv(11, 11, 96, 4, 4, padding='VALID', name='conv1')
原创
2023-05-31 15:13:47
78阅读
# 如何在 Android 中加载 TensorFlow 模型
在这篇文章中，我们将一起学习如何在 Android 应用中加载和使用 TensorFlow 模型。以下是实现这一目标的整体流程。
## 流程步骤
| 步骤 | 描述 |
|------|------|
| 1 | 配置 Android Studio 项目 |
| 2 | 添加依赖库 |
| 3 | 准备 Ten
原创
2024-10-28 04:38:29
105阅读
详解tensorflow_model_optimization——tf.keras量化工具tensorflow_model_optimization是什么？一、如何定义自己的量化配置二、如何量化自己的模型三、如何测试自己的量化模型四、已解决的问题：量化训练+keras fine-tune无法适配4.1 Case：使用Keras创建模型，但使用TF进行训练4.2 Case：使用Keras创建模型，
转载
2024-05-24 10:18:56
21阅读
TensorFlow模型训练过程中fit()可以直接设置validation_data为test数据集来测试模型的性能。但是通常我们要输出模型的预测值，用来绘制图形等等操作。接下来详细介绍tensorflow的模型预测方法。# 模型类方法
predict(
x,
batch_size=None,
verbose=0,
steps=None,
callback
转载
2024-01-03 11:54:44
62阅读
以下代码用于忽略级别 2 及以下的消息（级别 1 是提示，级别 2 是警告，级别 3 是错误）。import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='2' run(fetches,feed_dict=None,options=None,run_metadata)语法1、常量字符串 ：tf.constant // t
转载
2024-08-25 18:03:32
27阅读
1、tf.train.Saver类 tensorflow主要通过train.Saver类来保存和提取模型，该类定义在tensorflow/python/training/saver.py中 Saver的初始化参数如下：__init__(self,
var_list=None, #一个字典，指定保存的对
转载
2024-03-22 16:13:23
47阅读
TFLite系列的前几篇文章中，我们介绍了TFLite和创建模型的过程。在这篇文章中，我们将更深入地研究模型优化。我们将探索TensorFlow模型优化工具包(TF MOT)支持的不同模型优化技术。最后对优化后的模型进行了详细的性能比较。1. TensorFlow模型优化工具包TensorFlow Model Optimization Toolkit是一套用于优化ML模型的工具，用于部署和执行。在
转载
2024-04-20 18:35:00
95阅读
摘要：本文介绍将TensorFlow网络模型迁移到昇腾AI平台，并执行训练的全流程。然后以TensorFlow 1.15训练脚本为例，详细介绍了自动迁移、手工迁移以及模型训练的操作步骤。作者：昇腾CANN。当前业界很多训练脚本是基于TensorFlow的Python API进行开发的，默认运行在CPU/GPU/TPU上，为了使这些脚本能够利用昇腾AI处理器的强大算力执行训练，需要对TensorFl
转载
2024-04-23 16:19:59
62阅读
一、Tensorflow程序当中的重要组成部分 1.一个构建图阶段：图的定义 张量(Tensor)：Tensorflow中的基本数据对象 节点（OP）：运算操作 2.一个执行图的阶段：会话去运行程序 二、图： 图包含了一组tf.Operation代表计算单元的对象和tf.Tensor代表计算单元之间流动的数据。 Graph默认注册，并可通过调用访问 tf.get_default_graph 获取默
转载
2024-10-14 07:57:22
102阅读
