《基于Tensorflow高阶API构建大规模分布式深度学习模型系列: 开篇》 Estimator类是机器学习模型的抽象，其设计灵感来自于典典大名的Python机器学习库Scikit-learn。Estimator允许开发者自定义任意的模型结构、损失函数、优化方法以及如何对这个模型进行训练、评估和导出等内容，同时屏蔽了与底层硬件设备、分布式网络数据传输等相关的细节。 
转载
2024-04-24 18:45:45
44阅读
在采用TensorFlow是，尽量采用TensorFlow自带的api进行数据处理，可以减少采用训练好的模型进行推理阶段的预处理或后处理步骤。 一、Tensor 之间的运算规则相同大小 Tensor 之间的任何算术运算都会将运算应用到元素级不同大小 Tensor(要求dimension 0 必须相同) 之间的运算叫做广播(broadc
转载
2024-03-25 21:15:09
30阅读
第二阶段的文档介绍，编写TensorFlow代码的细节。 注意：TensorFlow 1.3版本之后官方文档及API改动比较大。 blog使用1.4版本。Estimators是一个高层次的tensorflow API，能极大简化tensorflow程序。 注意：TensorFlow还在tf.contrib.learn.Estimator中包含一个弃用的Estimator类。1, training
转载
2024-09-25 14:26:56
3阅读
我们需要评估模型预测值来评估训练的好坏。 模型评估是非常重要的，随后的每
原创
2022-07-08 13:02:43
352阅读
在所有的数据都处理完了之后，接下来就可以进行模型的训练了。在Github上FaceNet项目的介绍中有softmax和论文中提到的三元损失训练triplet两种方式，这边简单的介绍下softmax的训练方法。FaceNet已经将所有的方法都已经封装好，训练程序在src目录下的train_softmax.py文件中，在训练之前，我们首先要简单的修改下这份文件，让它适用于当前版本。找到260行，搜索i
转载
2024-04-12 19:52:06
33阅读
#RNN 循环神经网络
import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
tf.set_random_seed(1) # set random seed
# 导入数据
mnist = input_data.read_data_sets('MNIST_data', one_hot
keras版本模型的训练1、模型的构建与训练import tensorflow as tf
inputs = tf.keras.Input(shape=(32,)) #(输入的数据维度为32)
x = tf.keras.layers.Dense(64, activation='relu')(inputs) #（64个神经元）
x = tf.keras.layers.Dense(64, activ
转载
2024-02-16 11:50:59
84阅读
文章目录1、训练模型2、各种模型间互转并验证2.1 hdf5转saved model2.2 saved model转hdf52.3 所有模型精度测试2.4 hdf5和saved模型转tensorflow1.x pb模型2.5 加载并测试pb模型总结 2022年7月更新：现在tensorflow2版本已经发展到2.9,这些模型间的互转可以看官方文档中h5 saved_model各自的缺限，默认使
转载
2024-05-10 19:59:46
186阅读
1. 什么是Tensorflow模型？我们知道Tensorflow是由张量和计算模型组成，Tensorflow中的所有计算都会被转换为计算图上的节点，TensorFlow内部会将运算过程表示为一个数据流图。当你训练好一个神经网络后，同时系统将模型结果保存下来。因此，什么是Tensorflow模型？Tensorflow模型主要包含网络设计（或者网络图）和训练好的网络参数的值。所以Tensorflow
转载
2024-02-12 07:58:13
74阅读
该章介绍有关常量张量，序列操作，随机数张量的API常量张量Tensorflow提供了很多的操作，去帮助你构建常量。tf.zeros(shape, dtype = tf.float32, name = None)解释：这个函数返回一个全是零的张量，数据维度是 shape，数据类型是 dtype。使用例子：#!/usr/bin/env python
# -*- coding: utf-8 -*-
i
转载
2024-08-09 19:10:17
11阅读
在使用 TensorFlow 进行开发时，查阅 TensorFlow API 文档是非常重要的一步。TensorFlow API 文档提供了详细的函数和类的说明，以及如何正确使用它们的示例代码。下面将详细介绍如何查阅 TensorFlow API 文档，并通过代码示例演示如何使用这些 API。
### TensorFlow API 文档查阅流程
在使用 TensorFlow 进行开发时，遵循以
原创
2024-05-29 10:49:00
68阅读
tensorflow-nn网络Tensorflow介绍TensorFlow版本TensorFlow结构TensorFlow流程Tensor介绍Tensor种类激活函数（activation function）参考文献最后 Tensorflow介绍 Tensorflow是Google公司在2015年开发维护的一套实现机器学习的框架，目前最新版本是2.0版本比1.0版本优化了很多api接口。同
转载
2024-04-01 13:54:58
48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
目录一.引言二.Java / Tensorflow 代码配置1.代码配置2.Maven 配置三.环境检测1.显卡检测2.显卡监控四.推理踩坑1.异常现象2.异常日志五.安装 cuda-10.01.下载 cuda 安装包2.安装 cuda2.1 preface 前言2.2 安装配置2.3 安装完成2.4 可能遇到的问题六.安装 cuDNN1.安装 cuDNN2.解压 tgz 文件3.查看 cuDNN
转载
2023-08-23 09:36:29
463阅读
TensorFlow内置常用指标：AUC()Precision()Recall()等等有些时候我们的指标不止这些，需要根据我们自己特定的任务指定自己的评
原创
2023-01-17 01:47:04
272阅读
TensorFlow的核心概念TensorFlow™ 是一个采用 数据流图（data flow graphs），用于数值计算的开源软件库。节点（Nodes）在图中表示数学操作，图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）。它灵活的架构让你可以在多种平台上展开计算，例如台式计算机中的一个或多个CPU（或GPU），服务器，移动设备等等。TensorFlow 最初由
望舒 个推 Android 高级开发工程师 前言史上最长春假结束，全国各地企业陆续复工。机场、火车站等地又将迎来人流高峰，我们对疫情防护仍然不能有所懈怠。如何实时检测人群口罩佩戴情况从而快速发现未按要求佩戴口罩的人，对于防疫工作来说，是个头大的问题。 目前AI人脸口罩检测方案已成为返工潮中众多社区、企业、商场解决该问题的首选方案，并得到了较好的应用。各大企业也积极为AI战“疫
之前在TensorFlow中实现不同的神经网络，作为新手，发现经常会出现计算的loss中，出现Nan值的情况，总的来说，TensorFlow中出现Nan值的情况有两种，一种是在loss中计算后得到了Nan值，另一种是在更新网络权重等等数据的时候出现了Nan值，本文接下来，首先解决计算loss中得到Nan值的问题，随后介绍更新网络时，出现Nan值的情况。Loss计算中出现Nan值 &nbs
softmax是在一个n分类问题中，输入一个n维的logits向量，输出一个n维概率向量，其物理意义是logits代表的物体属于各类的概率。即softmax的输出是一个n维的one_hot_prediction。
softmax_cross_entropy_with_logits输出的是一个batch_size维的向量，这个向量的每一维表示每一个sample的one_hot_label和one_h
转载
2024-06-20 18:49:42
38阅读
卷积操作tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, name=None)除去name参数用以指定该操作的name，与方法有关的一共五个参数：input： 指需要做卷积的输入图像，它要求是一个Tensor，具有[batch, in_height, in_width, in_channels]这样的
转载
2024-03-29 12:42:55
36阅读
