TensorFlow 1.11.0+ 版本更快、更灵活、更稳定（production-ready）于是想升级到Tensorflow1.1 。TensorFlow 1.0+版本保证 Python API 的稳定性，即使以后添加新的特性也不用担心会破坏现有代码。具体参见Google Research Blog 。一、TensorFlow升级我安装的是tensorflow的
转载
2024-08-19 14:03:25
73阅读
下面将升级代码到TensorFlow 2.x版本的方法汇总起来，有如下几点。1.最快速转化的方法在代码中没有使用contrib模块的情况下，可以在代码最前端加上如下两句，直接可以实现的代码升级。import tensorflow.compat.v1 as
tftf.disable_v2_behavior()这种方法只是保证代码在TensorFlow 2.x版本上能够运行，并不能发挥TensorF
转载
2024-04-24 12:09:30
53阅读
tensorflow 1.Xtensoeflow虽然已经发布了2.0，但是1.0的代码结构却和2的差距很大，所以一天学一下结构。1.基本概念1.1 构建结构图图（graphs）来表示计算任务Session（绘画）来执行图tensor来表示数据Variable来维护状态图用于表示计算任务，其中由节点构成（operation），而每个节点可以由很多个Tensor，图需要在session中才可以被使用。
转载
2024-06-19 06:07:24
45阅读
TensorFlow的Javascript版TensorFlow一直努力扩展自己的基础平台环境，除了熟悉的Python，当前的TensorFlow还实现了支持Javascript/C++/Java/Go/Swift(预发布版)共6种语言。
越来越多的普通程序员，可以容易的在自己工作的环境加入机器学习特征，让产品更智能。在Javascript语言方面，TensorFlow又分为两个版本。一个是使用n
转载
2024-06-18 21:02:32
33阅读
TensorFlow 2 简介TensorFlow 是由谷歌在 2015 年 11 月发布的深度学习开源工具，我们可以用它来快速构建深度神经网络，并训练深度学习模型。运用 TensorFlow 及其他开源框架的主要目的，就是为我们提供一个更利于搭建深度学习网络的模块工具箱，使开发时能够简化代码，最终呈现出的模型更加简洁易懂。2019 年，TensorFlow 推出了 2.0 版本，也意味着 Ten
转载
2024-03-19 14:50:22
147阅读
Tensorflow1.x 系列为个人入门Tensorflow1的简要笔记，最近学习的论文涉及到了bilevel program和hypergradient的求解，对应的代码基于Tensorflow1实现，因此根据视频教程学习了解一下Tensorflow。视频课程链接：https://www.bilibili.com/video/BV1wJ411T77b?p=15跟着视频课自己写的代码，使用Col
转载
2024-07-01 01:26:12
39阅读
1.TensorFlow是什么：TensorFlow 是一个端到端开源机器学习平台借助 TensorFlow，初学
原创
2022-09-14 10:46:24
163阅读
本教程对应的tensorflow版本为：tensorflow 1版本简介 深度学习的框架有很多：TensorFlow、Caffe、Theano、Torch...TensorFlow作为谷歌重要的开源项目，有非常火热的开源的开源社区推动着开源项目的发展，它能让项目有旺盛的生命力并在生命周期中不断涌现新的功能并以较快的迭代来更新Bug修复。Keras是在TensorFlow基础上构建的高层API，K
转载
2024-05-27 16:33:52
80阅读
浏览内核代码的最好工具我想应该是 Source Insight 了 但是有些同学问在linux下没有 Source Insight 怎么办。 一下有三种方案供考虑： 1.使用wine软件，方法很简单，在“软件添加/删除”中输入 wine 然后查找，安装。 wine 安装成功后直接可以安装 sourceinsight 的 exe文件。 2使用vim
关于TensorFlow Serving下面是TensorFlow Serving的架构图：关于TensorFlow Serving的更多基础概念等知识，请看官方文档，翻译的再好也不如原文写的好。这里，我总结了下面一些知识点，我认为是比较重要的：TensorFlow Serving通过Model Version Policy来配置多个模型的多个版本同时serving；默认只加载model的late
转载
2024-10-14 17:19:03
46阅读
摘要：本文主要对tf的一些常用概念与方法进行描述。tf函数TensorFlow 将图形定义转换成分布式执行的操作, 以充分利用可用的计算资源(如 CPU 或 GPU。一般你不需要显式指定使用 CPU 还是 GPU, TensorFlow 能自动检测。如果检测到 GPU, TensorFlow 会尽可能地利用找到的第一个 GPU 来执行操作.
并行计算能让代价大的算法计算加速执行，TensorFlo
tensorflow1和2的安装部署，演示2.14版本（最新是2.15版本）windows和linux用法一致，我是在win10和ubuntu2204下都手动测试过的本文使用的conda的方式，2024年3月10日更新如果中间有任何报错，参考最后一节的处理 注意：如果因为网络问题出现错误或卡住，多次尝试，或者设置国内源或者其他方式。一、基本配置1.需要安装anaconda如果没有安装，按照我的这个
转载
2024-05-06 15:28:56
311阅读
文章目录声明正文1.强制tensor转换为该数据类型2.计算张量维度上元素的最小值3.计算张量维度上元素的最大值4. 理解axis5.计算张量沿着指定维度的平均值6.计算张量沿着指定维度的和7. tf.Variable8.对应元素的四则运算9.平方、次方与开方10.矩阵乘tf.matmul11.tf.data.Dataset.from_tensor_slices12.tf.GradientTap
转载
2024-06-20 06:07:38
68阅读
前言Rxjava由于其基于事件流的链式调用、逻辑简洁 & 使用简单的特点，深受各大 Android开发者的欢迎。本文主要：面向 刚接触Rxjava的初学者提供了一份 清晰、简洁、易懂的Rxjava入门教程涵盖 基本介绍、原理 & 具体使用等解决的是初学者不理解Rxjava原理 & 不懂得如何使用的问题Carson带你学RxJava系列文章，包括 原理、操作符、应用场景、背压
作者：Galina Olejnik编译：ronghuaiyang导读TensorFlow代码很难调试，这个大家已达成共识，不过，就算是难，也还是需要调试的，毕竟谁也没有把握不出bug，看看这篇文章能不能让你减轻一点调试时的痛苦。当讨论在tensorflow上编写代码时，总是将其与PyTorch进行比较，讨论框架有多复杂，以及为什么要使用tf.contrib的某些部分，做得太烂了。此外，我认识很多数
题外话：躲是躲不掉的，就要开始使用最受欢迎的深度学习框架了。如之前 Pytorch入门之框架介绍，Tensorflow的前身为Theano，将所有运算转化为图结构，但有着代码可读性较难，上手较难的门槛。Anyway，开始学习吧！ 作为明星的深度学习框架，线上已有众多入门博客。为避免踩坑，我直接看了 Tensorflow官方中文社区文档。本文记录的是官方文档
转载
2024-08-30 22:31:33
20阅读
最近跟着看了一篇博文《深度学习之卷积神经网络CNN及tensorflow代码实现示例》，学习着里面的代码，但是遇到了问题，那就是发现里面很多是tensorflow1的代码，而我用的是tensorflow2。以这个为例子，研究tensorflow1到2的转换。简单方法-直接用tf1兼容tf2直接全局转为tf1，这样代码很快就跑起来了。import tensorflow.compat.v1 as tf
转载
2024-03-25 17:22:33
41阅读
声明1）该文章整理自网上的大牛和机器学习专家无私奉献的资料，具体引用的资料请看参考文献。 2）本文仅供学术交流，非商用。所以每一部分具体的参考资料并没有详细对应。如果某部分不小心侵犯了大家的利益，还望海涵，并联系博主删除。 3）博主才疏学浅，文中如有不当之处，请各位指出，共同进步，谢谢。 4）此属于第一版本，若有错误，还需继续修正与增删。还望大家多多指点。大家都共享一点点，一起为祖国科研的推进添砖
Ubuntu16.04 CUDA10.2 CUDNN7.6.5 tensorflow1.13.1下训练的网络，封装成pb模型，在win10下调用，需要先编译TensorFlow。踩坑爬上来了，CPU版本编译只要把cuda那一步选择N，后面文件夹命名以及path路径设置的时候把gpu改成cpu就行。Step1. 安装vs2015vs2015*(2019不行，环境变量路径不一样，编译完成之后可以在20
服务器配环境：Ubuntu 16.04 + Titan Xp + CUDA 9.0 + cuDNN 7.1 + Tensorflow + Pytorch + MXNet 系统配置服务器型号：ThinkStation P910 显卡：Titan Xp 系统：Ubuntu 16.04 python ：2.7 框架：Tensorflow, Pytorch, MXNet安装Ubuntu 16.0
