下面我列出了一些我正在编写的文档草稿,可能会有帮助。另一件要注意的事情是,如果您使用Slim,您需要首先运行export_inference_graph.py来获得一个.pbgraphdef文件。在在大多数情况下,使用TensorFlow训练模型将得到一个包含GraphDef文件(通常以.pb或.pbtxt扩展名结尾)和一组检查点文件的文件夹。移动或嵌入式部署需要的是一个单独的GraphDef文件            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2024-09-11 20:02:09
                            
                                43阅读
                            
                                                                             
                 
                
                             
         
            
            
            
            一、迁移学习的应用价值迁移学习的应用    图像识别:图像增强,风格转移,对象检测,皮肤癌检测    文字识别:Zero Shot翻译、情绪分类应用价值    复用现有知识数据,已有的大量工作不至于完全丢弃    不需要在话费巨大代价重新采            
                
                    
                        
                                                            
                                                                        
                                                                                        原创
                                                                                    
                            2018-08-02 09:33:02
                            
                                82阅读
                            
                                                                             
                 
                
                             
         
            
            
            
            论文: 
 Image Style Transfer Using Convolutional Neural Networks 
 
  先介绍一下论文的思路。 
  思路
  图像风格迁移,包括三部分:风格style特征提取(一般是纹理特征),目标图像内容content提取,style+content合成新的图片。 
 
  这篇论文之前的方法,三个部分分别实现,对于每一种风格,都要单独提            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2024-05-10 16:58:25
                            
                                68阅读
                            
                                                                             
                 
                
                                
                     
                                    
                             
         
            
            
            
            数据的读取 import tensorflow as tf from tensorflow.python import keras from tensorflow.python.keras.preprocessing.image import ImageDataGenerator class Tra            
                
                    
                        
                                                            
                                                                        
                                                                                        原创
                                                                                    
                            2021-08-25 14:22:59
                            
                                613阅读
                            
                                                                             
                 
                
                             
         
            
            
            
            以SRCNN模型为例:1.以三色通道为基础: 模型迁移整体流程(旧):将灰度化后的图片裁剪成n个33*33的小块将每个图片小块转化为float数组将每个float数组依次输入至模型中模型将每个小块数组进行模型处理,处理结果依次保存在一个大float数组 中,最后这个大数组就是最终的处理结果。float数组转图片。以下仅为个人想法,未经实践。 第一种,将float数组转为mat对象,然后将mat对象            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2024-03-27 11:29:16
                            
                                78阅读
                            
                                                                             
                 
                
                                
                     
                                    
                             
         
            
            
            
            目录应用场景tensorrtTensorFlow=> tensorrtpb=>ufftensorrt样例 应用场景需要把深度学习模型搭载到无人机上完成一些探测任务。 大疆妙算上预装了tensorrt4,打算将TensorFlow训练好的模型搭载上去。tensorrttensorrt是个推理阶段的加速框架,支持一些层的操作,不是所有的层(比如dropout),不过也可以自定义没有的op            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2024-04-03 10:34:02
                            
                                73阅读
                            
                                                                             
                 
                
                                
                     
                                    
                             
         
            
            
            
            TensorFlow 网络模型移植和训练指南(持续更新)1.限制tensorflow只兼容tensorflow1.153.网络迁移3.1 使用 Estimator 迁移关于估算器 Estimator API 是 TensorFlow 的高级 API,在 2018 年发布的 TensorFlow 1.10 中引入。Estimator API 极大地简化了机器学习的编程过程。 Estimator 有很            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2024-05-13 16:18:20
                            
                                79阅读
                            
                                                                             
                 
                
                                
                     
                                    
                             
         
            
            
            
            Transformer是谷歌在2017年的一篇论文"Attention is all you need"提出的一个seq2seq的模型架构,其创造性的提出了自注意力的思想,可以很好的表达序列中各个单词之间的相互注意力关系。这个模型在NLP领域取得了巨大的成功。此外这个模型架构在最近几年也在CV领域取得了令人瞩目的进展,在图像识别,目标检测等方面都达到或超过CNN模型的性能。因此Transforme            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2024-07-07 06:50:43
                            
                                75阅读
                            
                                                                             
                 
                
                                
                     
                                    
                             
         
            
            
            
             策划 | 蔡芳芳作者 | Rubikscode译者 | 夏夜编辑 | LindaAI 前线导读:阅读深度学习论文总是很有趣,也很有 教育意义,特别是当这些论文和你现在做的项目属于同一领域时更是如此。但是,这些论文包含的架构和 解决方案 通常很难训练,特别是当你想去尝试他们的方法时,比如说 ILSCVR(ImageNet Large Scale Visual Recognition)竞赛中的一些获            
                
                    
                        
                                                            
                                                                        
                                                                                        原创
                                                                                    
                            2021-03-29 17:33:43
                            
                                273阅读
                            
                                                                             
                 
                
                             
         
            
            
            
            这时你可能会问“预训练模型是什么?”。本质上来说,预训练模型 是之前在大数据集上已经训练好并保存下来的模型,比如说在 ImageNet 数据集上训练的模型。这些模型可以在 tensorflow.keras.applications 模块里找到。有两种方式使用这些预训练模型,你可以直接使用它们,或者通过 迁移学习 使用它们。由于大数据集通常用于某种全局解,所以你可以让预训练模型定制化,使其 特别针对            
                
                    
                        
                                                            
                                                                        
                                                                                        原创
                                                                                    
                            2021-03-30 12:36:17
                            
                                592阅读
                            
                                                                             
                 
                
                             
         
            
            
            
            tensorflow的三种Graph结构:Graph:tensorflow运行会话是在默认的Graph中,包含了各个运算节点和用于计算的张量;GraphDef:将Graph序列化为python代码得到的图,可以理解为一种数据结构,以常量的形式保存Tensor,无法继续训练; ——对应pb文件MetaGraph:将Graph进行序列化,进行模型保存,Tensor以变量形式保存,可以被继续训练( 通过            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2024-04-02 13:04:12
                            
                                76阅读
                            
                                                                             
                 
                
                             
         
            
            
            
            在网上查如何进行神经风格迁移的时候,发现大多数人都是使用迁移学习来的网络。当然,迁移学习导入已经训练好的网络进行训练是非常方便且快速的,但是有时候我们可能会想自己训练一个网络进行神经风格迁移。所以在这篇文章中,我们尝试使用自定义的 GoogLeNet 网络模型进行神经风格迁移。 PS:对神经风格迁移的原理感兴趣的可以参考:Tensorflow2.0之神经风格迁移。 下面直接贴上代码并对其中不好理解            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2023-10-17 08:41:43
                            
                                86阅读
                            
                                                                             
                 
                
                                
                     
                                    
                             
         
            
            
            
            你会学到什么 TensorFlow for Poets:如何训练自定义图像识别模型。如何使用TFLite转换器优化您的模型。如何使用TFLite解释器在预制的Android应用程序中运行它。你会做些什么一个简单的相机应用程序,运行TensorFlow图像识别程序来识别花朵。注意:目前,此演示中使用的AAR与Android模拟器不兼容,您必须使用真正的Android设备才能运行该应用程序。            
                
         
            
            
            
            参考来源:  https://github.com/ckmarkoh/neuralart_tensorflow  https://github.com/log0/neural-style-painting/blob/master/TensorFlow%20Implementation%20of%20A%20Neural%20Algorithm%20of%20Artistic%20Stimport            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2023-01-26 13:53:04
                            
                                107阅读
                            
                                                                             
                 
                
                             
         
            
            
            
            文章目录一、用飞桨定义模型的计算二、准备好运行飞桨三、告诉飞桨怎么样学习四、运行优化算法五、机器学习出来的参数 import paddle         #导入飞桨paddle和numpy
import numpy
print("paddle " + paddle.__version__)
print("numpy " + numpy.__version__)paddle 2.2.1
nump            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2024-04-28 10:48:03
                            
                                76阅读
                            
                                                                             
                 
                
                             
         
            
            
            
            最近在研究tensorflow的迁移学习,网上看了不少文章,奈何不是文章写得不清楚就是代码有细节不对无法运行,下面给出使用迁移学习训练自己的图像分类及预测问题全部操作和代码,希望能帮到刚入门的同学。大家都知道TensorFlow有迁移学习模型,可以将别人训练好的模型用自己的模型上即不修改bottleneck层之前的参数,只需要训练最后一层全连接层就可以了。我们就以最经典的猫狗分类来示范,使用的是G            
                
                    
                        
                                                            
                                                                        
                                                                                        原创
                                                                                    
                            2021-01-21 21:48:57
                            
                                1486阅读
                            
                                                                             
                 
                
                             
         
            
            
            
            本文作为数据科学博客马拉松的一部分发布于https://datahack.analyticsvidhya.com/contest/data-science-blogathon-8/抽象在今天的报告中,我们将分析食品项目,以预测它们是否食用。我们应用最先进的Transfer Leanirng方法和Tensorflow框架来构建用于食品分类的机器学习模型。 介绍图像分类是一项工作,            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2022-08-31 19:59:52
                            
                                164阅读
                            
                                                                             
                 
                
                                
                     
                                    
                             
         
            
            
            
            论文地址:《YOLOv4: Optimal Speed and Accuracy of Object Detection》 读完论文的感受就像是一篇目标检测tricks综述,疯狂叠buff就完事了。先来论文tricks的截图:Backbones-Neck-Heads的tricks:Activations、bbox回归、数据增强、正则化、归一化、跨域连接的tricks:YOLOv4:&nb            
                
         
            
            
            
             解压后的文件夹包含5个子文件夹,每个子文件夹的名称为一种花的名称,代表了不同的类别。  工程目录:-transfer_learning
    -flower_data  //存放原始图片的文件夹,有5个子文件夹, 每个子文件夹的名称为一种花的名称
        -daisy   //daisy类花图片的文件夹
        -dandelion
        -roses
                   
                
         
            
            
            
            一、概念1. TF-Hub介绍Tensorflow-hub 是 google 提供的可以共享学习的打包函式库,帮开发者把TensorFlow的训练模            
                
                    
                        
                                                            
                                                                        
                                                                                        原创
                                                                                    
                            2022-06-29 05:59:45
                            
                                301阅读
                            
                                                                             
                 
                
                                
                    