目录 前期准备训练flower数据集(包括fine-tuning)训练自己的数据集(包括fine-tuning) 前期准备前期了解tensorflow models在tensorflow models中有官方维护和非官方维护的models，official models就是官方维护的models，里面使用的接口都是一些官方的接口，比如tf.layers.conv2d之类。而resea
简化NLP：TensorFlow中tf.strings的使用TensorFlow中很早就包含了tf.strings这个模块，不过实话说，在tf 1.x的固定计算图的情况下，各种操作颇为复杂，我们在迎来了2.0中才更好可以看出tf.strings的威力。tf.strings的其中一个重要的作用是可以使字符串成为TensorFlow的第一公民，可以直接加入到模型的输入中，在上一篇最简单的BERT调用中
转载
2024-04-25 14:44:24
30阅读
目录 简介 构建步骤 实现方式 Demo演示 一、简介 1) 使用单台机器或者单个GPU/CPU来进行模型训练，训练速度会受资源的影响，因为毕竟单个的设备的计算能力和存储能力具有一定的上限的，针对这个问题，TensorFlow支持分布式模型运算，支持多机器、多GPU、多CPU各种模型的组合运行方案的设计。(默认情况下，TensorFlow程序会将程序运行在第一个GPU上<如果有GPU，并且安
转载
2023-12-16 11:56:35
78阅读
在使用python3环境下运行TensorFlow object_detection APIpython3 object_detection/model_main.py--logtostderr--pipeline_config_path=/xxxx --model_dir=/xxxx--num_train_steps=50000--num_eval_steps=2000 出现
转载
2024-08-21 20:09:05
38阅读
在对机器学习算法进行学习和实践的时候，我们经常会遇到“验证集”和“测试集”，通常的机器学习书籍都会告诉我们，验证集和测试集不相交，验证集和训练集不相交，测试集和训练集不相交。也就是验证集与测试集似乎是同一级的东西，那么我们自然而然会有一个困惑为什么还要分测试集和验证集呢？ 其实问题的答案是：训练集用于训练模型参数，测试集用于估计模型对样本的泛化误差，验证集用于“训练”模型的超参数。什么是模型的参数
转载
2024-05-08 09:12:51
96阅读
百度百科的解释在机器学习和模式识别等领域中，一般需要将样本分成独立的三部分训练集、验证集和测试集。其中训练集用来训练模型，验证集用来确定网络结构或者控制模型复杂程度的参数，而测试集则检验最终选择最优的模型的性能如何。一个典型的划分是训练集占总样本的50%，而其它各占25%，三部分都是从样本中随机抽取。但是，当样本总量少的时候，上面的划分就不合适了。常用的是留少部分做测试集。然后对其余N个样本采用K
转载
2024-03-04 08:41:01
66阅读
TFRecord格式还是非常重要的，它是Tensorflow首选的数据集处理格式，用于存储大量数据并有效读取数据。 特点：它是一种简单的二进制格式，只包含大小不同的二进制记录序列，每个记录由一个长度、一个用于检查长度是否损坏的CRC校验和、实际数据以及最后一个CRC校验和组成。TFRecord文件的创建使用 tf.io.TFRecordWriterimport tensorflow as tf
转载
2024-06-22 15:41:19
17阅读
>>>>>>fromtensorflow.examples.tutorials.mnistimportinput_data>>>mnist=input_data.read_data_sets("mnist_datat/",one_hot=True)Successfullydownloadedtrain-images-idx3-ubyte.gz9
原创
2018-12-18 21:28:31
924阅读
TensorFlow图像数据处理之图像预处理 文章目录TensorFlow图像数据处理之图像预处理TFRecord输入数据格式为什么要把数据转化为TFRecord格式TFRecord样例程序图像数据处理TensorFlow图像处理函数输出原始矩阵和原始图像对图像进行大小调整对图像进行按百分比的剪裁对图片的亮度进行处理对图像添加标记框总结 TFRecord输入数据格式为什么要把数据转化为TFReco
一、数据集的准备和处理整个项目的目录如下：|-01_classification_network
|--data
|---train
|---- XX_X.jpg
...
|---test
|---- XX_X.jpg
...
|--logs
|--input
转载
2024-04-13 05:27:41
42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
在计算机视觉领域里，有3个最受欢迎且影响非常大的学术竞赛：ImageNet ILSVRC（大规模视觉识别挑战赛），PASCAL VOC（关于模式分析，统计建模和计算学习的研究）和微软COCO图像识别大赛。这些比赛大大地推动了在计算机视觉研究中的多项发明和创新，其中很多都是免费开源的。博客Deep Learning Sandbox作者Greg Chu打算通过一篇文章，教你用Keras和Tensor
以MNIST的sequential模型为base-line，通过读取自己的数据，训练模型并存储模型，最后达到绘图实物的运用。自制数据集，解决本领域应用观察数据结构给x_train、y_train、x_test、y_test赋值def generateds(图片路径,标签文件)：def generateds(path, txt):
f = open(txt, 'r') # 以只读形式打开t
转载
2024-05-07 16:07:10
75阅读
作者 | 郭俊麟责编 | 胡巍巍Brief 概述这篇文章中，我们使用知名的图片数据库「THE MNIST DATABASE」作为我们的图片来源，它的数据内容是一共七万张28×28像素的手写数字图片。并被分成六万张训练集与一万张测试集，其中训练集里面，又有五千张图片被用来作为验证使用，该数据库是公认图像处理的 "Hello World" 入门级别库，在此之前已经有数不清的研究，围绕着这个模
转载
2024-05-28 14:55:22
57阅读
目录一、准备工作1.1模型训练1.2模型固化和pb转tflite1.3下载tensorflow源码1.4安装android studio二、在Android studio中进行开发2.1修改app的build.gradle文件2.2导入自己的模型和标签并进行编译tensorflow深度学习实战笔记（二）：把训练好的模型进行固化，讲解了如何固化模型以及把pb模型转换为tflite模型，现在讲解如何用
转载
2024-10-27 07:35:13
44阅读
制作tensorflow数据集 目录制作tensorflow数据集1、场景需求2、制作方法3、附程序解释 1、场景需求由于最近会有实验，需要记录大量数据，通过手工记录需要花费太多时间，效率很低，所以就寻找让程序自己记录并输入到文本的方法。由于记录的多数是数字，少量的中文字符，因此使用 Excel 或者记事本比较合适。2、制作方法1. 使用软件自带包进行记录，这里就不再叙述了。2. 使用 C++对文
转载
2024-05-31 17:33:53
23阅读
TensorFlow 是一个
开源
软件库，用于使用数据流图进行数值计算。换句话说，即是构建深度学习模型的最佳方式。本文整理了一些优秀的有关 TensorFlow 的教程和
项目列表。
一、教程
TensorFlow Tutorial 1 — 从基础到更有趣的 TensorFlow 应用
TensorFlow Tutorial 2 — 基于 Google Tensor
一、TnesorFlow 计算模型————计算图1、 计算图概念1.1 Tensor Tensor就是张量, 可以简单理解为多维数组，表明了数据结构1.2 FlowFlow 表达了张量之间通过计算相互转化的过程，体现了数据模型1.3 数据流图基础数据流图是每个 TensorFlow 程序的核心，用于定义计算结构
每一个节点都是一个运算，每一条边代表了计算之间的依赖关系上图展示了可完成基本加法运算
转载
2024-06-05 22:13:28
80阅读
对于数据量较小而言，可能一般选择直接将数据加载进内存，然后再分batch输入网络进行训练。但是，如果数据量较大，这样的方法就不适用了，因为太耗内存。在这儿我介绍一种比较通用，高效的读取方法，即使用tensorflow内定标准格式——TFRecord.TFRecords其实是一种二进制文件，虽然它不如其他格式好理解，但是它能更好的利用内存，更方便复制和移动，并且不需要单独的标签文件。TFRecord
转载
2024-04-08 10:27:53
41阅读
目录一.全连接的BP神经网络1.BP(back propagation反传播)神经网络 2.全连接神经网络 2.1 全连接神经网络的原理 2.1.1内部运算逻辑 2.1.2.反向传播 2.1.3 为了让Loss最小，求解出最佳的w和b3.学习率二.深度神经网络1.卷积神经网络CNN 2.
转载
2023-12-14 20:21:16
349阅读
