节选自《简单粗暴 TensorFlow 2.0》，回复关键字“手册”获取合集 接下来我们将介绍 TensorFlow 中模型的部署与导出，本文介绍使用 SavedModel 完整导出模型。使用 SavedModel 完整导出模型在部署模型时，我们的第一步往往是将训练好的整个模型完整导出为一系列标准格式的文件，然后即可在不同的平台上部署模型文件。这时，TensorFlow 为我们提供了 SavedM
转载
2024-04-18 11:46:40
29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
文章目录Tensorflow2.0之经典数据集加载常用数据集随机打散批训练预处理预处理函数实现在preprocess 函数中，传入函数引用即可循环训练 Tensorflow2.0之经典数据集加载常用数据集在 TensorFlow 中，keras.datasets 模块提供了常用经典数据集的自动下载、管理、加载与转换功能，并且提供了tf.data.Dataset 数据集对象，方便实现多线程(Mul
转载
2024-06-12 17:08:47
35阅读
在《基于TensorFlow Serving的YOLO模型部署》文章中有介绍tensorflow 1.x版本的模型如何利用TensorFlow Serving部署。本文接着上篇介绍tensorflow2.x版本的模型部署。工作原理架构图**核心概念 ****⑦ ServableHandler:**servable实例，用于处理client发送的请求servable的生命周期：● 一个Source插
转载
2024-04-02 16:13:41
65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
基础import tensorflow as tf #定义tensorflow为tf
print(tf.__version__) #查看tensorflow版本
print(tf.test.is_gpu_available()) #查看tensorflow是否为GPU版本
#rank 0 张量
mammal = tf.Variable("Elephant", tf.string)
转载
2024-06-12 07:01:25
52阅读
1.TensorFlow 简介：TensorFlow 是谷歌公司开发的深度学习框架，也是目前深度学习的主流框架之一。 2.TensorFlow 环境的准备： 本人使用 macOS，Python 版本直接使用 anaconda 的集成包，我们使用 anaconda 来管理环境，为 TensorFlow 创建独立的 Python 环境。 创建一个名为 tensorflow 的 Python 环境
转载
2024-10-11 20:47:37
103阅读
TensorFlow数据读取在官方给出的文档中，提到了三种数据读取方式： 供给数据(Feeding)： 在TensorFlow程序运行的每一步， 让Python代码来供给数据。 从文件读取数据： 在TensorFlow图的起始， 让一个输入管线从文件中读取数据。预加载数据： 在TensorFlow图中定义常量或变量来保存所有数据(仅适用于数据量比较小的情况)。 第一种方法是通过placeholed
转载
2024-02-22 13:52:51
69阅读
文章目录教程环境配置安装Windows CPU版本tensorflow安装CUDA、cuDNN安装Windows GPU版本tensorflow查看使用的是CPU还是GPU深度学习介绍1.1 深度学习与机器学习的区别1.1.1 特征提取方面1.1.2 数据量和计算性能要求1.1.3 算法代表1.2 深度学习的应用场景1.3 深度学习框架介绍1.3.1 常见深度学习框架对比1.3.2 Tensor
转载
2024-08-21 10:34:20
51阅读
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
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
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
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
今天学习的东西是我的学习盲区了…以前没怎么接触过，不过我会通过老师讲的知识和tf官方文档好好的总结！大家一起学习，知识点的顺序我们就按照老师的ppt来！我们都知道data是数据的意思，tf.data这个模块就是帮助我们快速高效的构建数据输入的一个工具，功能非常强大！ 一：tf.data.Dataset：这个是tf.data的核心，提供了对数据集的高层封装，由一系列的可迭代访问的元素
转载
2024-07-09 20:40:25
79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
124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
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
