文章目录System information构建tensorflow的c++接口安装bazel安装gcc安装protobuf安装eigen编译tf2.4.0下载依赖文件使用tensorflow c++接口运行.pb模型移动运行所依赖的各个文件夹到运行的项目目录下报错及解决办法`cmake ..` 报错合集1、cmake报错`tensorflow/core/framework/device_att
文章目录〇、写在前面一、TensorFlow 概述二、TensorFlow 2.0 安装与环境配置三、第一个程序四、简单的手写数字识别五、稍微复杂的手写数字识别六、总结参考文章 〇、写在前面关于为什么要学习 TensorFlow 2.0 这件事，简单说一下，现在还是硕士在读，在课题完成中，使用 TensorFlow 1.x 真的是问题超级多，最大的烦恼就是改动网络真的麻烦，在这个时候 Tenso
总体思路是先安装CUDA和cuDNN，再安装Anaconda，构建tensorflow-gpu 2.0环境，安装Pycharm和Keras。CUDA和cuDNN的下载地址：CUDA链接：https://pan.baidu.com/s/1dIXw--W4oqOMP0a1GS5UaA 提取码：la6m cuDNN链接：https://pan.baidu.com/s/10kEuuP
转载
2024-09-05 16:36:57
46阅读
本文档为TensorFlow参考文档，本转载已得到TensorFlow中文社区授权。基本使用使用 TensorFlow, 你必须明白 TensorFlow:使用图 (graph) 来表示计算任务.在被称之为 会话 (Session)使用 tensor 表示数据.通过 变量 (Variable)使用 feed 和 fetch 可以为任意的操作(arbitrary operatio
在上一篇文章中，我们介绍了高效的数据流水线模块 tf.data 的流水线并行化加速。本篇文章我们将介绍 TensorFlow 另一个数据处理的利器——TFRecord。TFRecord ：TensorFlow 数据集存储格式TFRecord 是 TensorFlow 中的数据集存储格式。当我们将数据集整理成 TFRecord 格式后，TensorFlow 就可以高效地读取和处理这些数据集，从而帮助
转载
2024-04-15 09:54:39
53阅读
数据管道Dataset1.Dataset类相关操作1.1 Dataset类创建数据集1.2 Dataset类数据转换 知识树 1.Dataset类相关操作1.1 Dataset类创建数据集tf.data.Dataset 类创建数据集，对数据集实例化。 最常用的如：tf.data.Dataset.from_tensors() ：创建Dataset对象， 合并输入并返回具有单个元素的数据集。tf.
转载
2024-04-30 14:33:00
64阅读
硬件 i7-10700K+RTX2080S软件Win10Miniconda3-py37_4.8.2-Windows-x86_64cuda10.1cudnn7.6.5tensorflow2.3.0安装过程网上看到很多教程都是先把CUDA、cuDNN安装下来再一步步安装。流程没毛病，不过，英伟达的官网就有点恶心，奇慢无比，还时不时的打不开，好不容易打开了网页，下载又下载不下来，要么就一动不动
菜鸟学TensorFlow 2.0：TensorFlow2.0基础操作演示1. Tensor数据类型2. 创建Tensor3. Tensor索引和切片4. Tensor维度变换5. Broadcast6. 数学运算7. 手写数字识别流程8. TensorFlow实现神经网络参考资料 1. Tensor数据类型TensorFlow没有那么神秘，为了适应自动求导和GPU运算，它应运而生。为了契合nu
转载
2024-04-30 04:14:05
265阅读
Tensorflow2自定义Layers之__init__,build和call详解闲言碎语：--init--,build和call总结 参考官方链接：https://tensorflow.google.cn/tutorials/customization/custom_layers闲言碎语：如果想要自定义自己的Layer，那么使用tf.keras.Layer 来创建自己的类是必不可少的。但是笔
转载
2024-04-02 21:42:56
72阅读
一、《深度学习之Tensorflow入门原理与进阶实战》1、第三章import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
trainx=np.linspace(-1,1,100)
trainy=2*trainx+np.random.randn(*trainx.shape)*0.3
#y=2x with
转载
2024-05-25 16:55:42
130阅读
TensorFlow 1.0并不友好的静态图开发体验使得众多开发者望而却步，而TensorFlow 2.0解决了这个问题。不仅仅是默认开启动态图模式，还引入了大量提升编程体验的新特性。本文通过官方2.0的风格指南来介绍新版本的开发体验。 TensorFlow 2.0做了大量的改进来提升开发者的生产力，移除了冗余的API，让API更加一致（统一的RNN、统一的优化器），将动态图模
前言：前面分专题专门讲解了pytorch的自动求导功能，tensorflow其实也是具有相似的能力的，只不过可能相对的文章相对较少，本文以tensorflow2.0.0为例，来加以说明，比较说明了tensorflow和pytorch的自动求导的异同点一、先从一个例子看起由于对标量求导是最简单的，这里就不多说了，直接从张量开始，看下面的例子：import tensorflow as tf
x=tf
神经网络学习小记录62——Tensorflow2 利用efficientnet系列模型搭建efficientnet-yolov3目标检测平台学习前言什么是EfficientNet模型源码下载EfficientNet模型的实现思路1、EfficientNet模型的特点2、EfficientNet网络的结构EfficientNet的代码构建1、模型代码的构建2、Yolov3上的应用 学习前言重新训练
转载
2024-05-15 03:12:00
34阅读
1. 发展历史1.1. 前世今生2015.9发布0.1版本2017.2发布1.0版本2019春发布2.0版本1.2. 同一时期人工智能其他库的发展1.2.1. 2015年Scikit-learn
Machine learning, No GPUCaffe
2013, 第一个面向深度学习的框架No auto-grad, C++Keras
wrapperTheano
开发难，调
1. 前言：自从Google发布了TensorFlow2.0后，个人觉得与TensorFlow1相比是一个重大的突破，它不仅仅删除了许多旧的库并进行整合，还促进了Keras在搭建模型中的使用，通过高级API Keras让模型构建和部署变得简单。 我们在用TensorFlow2.0创建模型时，可以使用Keras函数API定义模型或者顺序API定义模型。本文将使用Keras函数API来定义CNN模型，
转载
2024-04-03 12:54:45
37阅读
前文：三分钟快速上手TensorFlow 2.0 （中）——常用模块和模型的部署TensorFlow 模型导出 使用 SavedModel 完整导出模型不仅包含参数的权值，还包含计算的流程（即计算图）tf.saved_model.save(model, "保存的目标文件夹名称")将模型导出为 SavedModelmodel = tf.saved_model.load("保存的目标文件夹名
转载
2024-05-13 12:55:58
0阅读
1 配置环境首先确保已经配置好tensorflow2和cuda、cudnn环境，不要下载错。配置的教程已经有很多，自行查阅2 安装APItf2 object detection 的安装参考此博客，TensorFlow 2 Object Detection API 物体检测教程 虽然这是linux系统下的，但是操作可以类比。简单地说只有三步 1.下载model-master并解压 其中tensorf
转载
2024-05-06 14:49:06
128阅读
机器学习问题不仅是一个科学问题，更是一个工程问题。大多数年轻的数据科学家都希望将大部分时间花在构建完美的机器学习模型上，但是企业不仅需要训练一个完美的模型，同时也需要将其部署，向用户提供便捷的服务。如下图所示，机器学习系统由机器学习代只包含一小部分，而在中间的小黑匣子周围，所需要的基础设施庞大而复杂。因此，在实际应用中，一个优秀的程序员不仅要学会构建完美的机器学习模型上，同时还需要将其部署向用户提
转载
2024-04-26 13:41:27
95阅读
对于我近几天使用TensorFlow2出的问题做个总结：1，是环境配置问题，我使用的是NVIDIA物理加速，就是GPU。TensorFlow-gpu 2.0.0，CUDA10.0，cudnn7.6.5。这仨之间的版本要一致，在TensorFlow官网查看对应CUDA的版本，再从NVIDIA官网下载对应CUDA的cudnn版本。2，CUDA目前最新版本是10.1，TensorFlow2应该是...
原创
2021-11-26 11:04:26
349阅读
文章目录1. 基础知识1.1 张量生成1.2 常用函数1.3 实例: 鸢尾花分类2. 神经网络的优化过程（手工实现）2.1 预备知识2.2 神经网络复杂度2.3 激活函数2.4 损失函数2.5 缓解过拟合2.6 优化器3. 搭建网络（内置八股方式）3.1 基础八股3.2 搭建网络结构类4. 搭建网络（进阶）4.1 自制数据集4.2 数据增强4.3 断点续训4.4 参数提取4.5 acc曲线与los
转载
2024-05-01 14:29:32
39阅读
