全文共8094字，预计学习时长30分钟或更长 图片来源：pexels.com/@pixabayTensorFlow是谷歌2015年开源的通用高性能计算库。最初主要是为构建神经网络(NNs)提供高性能的API。然而，随着时间的推移和机器学习(ML)社区的兴起，TensorFlow已经发展为一个完整的机器学习生态系统。 TensorFlow自诞生以来变化巨大。TensorFlow 2.0目前处于测试阶
距离Tensorflow的1.2.1版本发布才过去一个月，但新发布的1.3版本已经包含了诸多更新。开发者可以在Tensorflow Github页找到完整的发布报告。本文则会概述开发者在升级到1.3版本之前和之后应知晓的最重要变化。\\ 从cuDNN 5.1到cuDNN 6\\ 开发者要从1.2.1升级到1.3，还需要升级系统中的cuDNN版本。1.3的编译版本是用NVIDIA的cuDNN 6
转载
2024-05-22 08:13:09
78阅读
目录模型建立方式函数式序列式模型训练方式直接法简易法model.compile()model.fit()model.predict()model.evaluate()卷积输出 = tf.keras.layers.Conv2D(参数)(输入)反卷积tf.keras.layers.Conv2DTranspose()池化输出 = tf.nn.max_pool(input, ksize=[1, heig
转载
2024-05-31 21:40:09
70阅读
TensorFlow中的会话（Session）拥有并管理TensorFlow程序运行时的所有资源，当所有计算完成之后需要关闭会话来帮助系统回收资源，否则就可能出现资源泄露问题。TensorFlow中使用会话的模式有以下两种：第一种模式，需要明确调用会话生成函数和关闭会话函数，这个模式的代码流程如下：#创建一个会话
sess = tf.Session()
#使用这个创建好的会话来得到关心的运算的结
转载
2024-10-08 19:05:01
15阅读
本章提供了tensorflow模型常用的一些处理方法，包括：tensorboard查看ckpt网络结构tensorboard查看pb网络结构ckpt模型转pb模型pb模型转pbtxt文件测试pb模型pb模型转tflite模型测试tflite模型h5模型转pb模型测试caffe模型1.1 查看ckpt网络结构_v1.py运行脚本在控制台输入命令：tensorboard --logdir=d:/log
转载
2024-04-05 19:49:01
346阅读
本章的前期工作以及神经网络的搭建：一、可视化界面设计 使用 tkinter来设计可视化界面1.新建窗体from tkinter import Label, Menu, DoubleVar, Button, Tk, filedialog
window = Tk() # 创建窗口
window.title("用户页面") # 窗口标题
window.geo
转载
2024-06-26 10:22:13
29阅读
近期做了一些反垃圾的工作，除了使用常用的规则匹配过滤等手段，也采用了一些机器学习方法进行分类预测。我们使用TensorFlow进行模型的训练，训练好的模型需要保存，预测阶段我们需要将模型进行加载还原使用，这就涉及TensorFlow模型的保存与恢复加载。总结一下Tensorflow常用的模型保存方式。保存checkpoint模型文件（.ckpt）首先，TensorFlow提供了一个非常方便的api
生成对抗网络简介生成对抗网络（GAN）启发自博弈论中的二人零和博弈（two-player game），类似于周伯通的绝学——“左右互搏”。GAN 模型中的两位博弈方分别由生成式模型（generative model）和判别式模型（discriminative model）充当。生成模型 G 捕捉样本数据的分布，用服从某一分布（均匀分布，高斯分布等）的噪声 z 生成一个类似真实训练数据的样本，追求效
项目体验地址：http://at.iunitv.cn/效果预览：花絮：很多小伙伴嘴上说着学不动了，其实身体还是很诚实的。毕竟读书还是有很多好处的：比如让你的脑门散发智慧的光芒，再或者让你有理由说因为读书太忙了所以没有女朋友等等。所以在这个特殊的日子里，你这一年的图书我们承包了。不为别的，只为帮助在座的各位在2020年能够遇见更好的自己!今天，我们也想要借助这个特殊的机会，普及一下Tensorflo
TensorFlow学习笔记01:使用tf.keras训练模型Keras入门案例使用单神经元完成线性回归使用Keras搭建卷积神经网络例子1: 使用神经网络进行图片分类获取数据集定义并训练神经网络定义回调函数历史训练指标的可视化各层的输出的可视化例子2: 使用实际图片进行训练获取数据集构造ImageDataGenerator定义并训练神经网络对原图像进行数据扩充例子3: 使用迁移学习(Trans
这篇文章主要介绍了tensorflow 2.0模式下训练的模型转成 tf1.x 版本的pb模型实例，具有很好的参考价值，希望对大家有所帮助。一起跟随想过来看看吧升级到tf 2.0后, 训练的模型想转成1.x版本的.pb模型, 但之前提供的通过ckpt转pb模型的方法都不可用(因为保存的ckpt不再有.meta)文件, 尝试了好久, 终于找到了一个方法可以迂回转到1.x版本的pb模型.Note: 本
这个公众号终于又要开始更新了，这几个月每天都在研究Tensorflow，虽然之前工作中也用它训练了不少模型，可是大部分模型都非常简单．最近接触了更多的深度学习模型后，对Tensorflow有了一些新的体会，于是打算写一系列相关文章，记录自己的学习心得．目前计划有简单的函数介绍，关于Keras的使用感触，分布式训练与优化，以及CUDA编程和Tensorflow的自定义函数．今天就先从简单的调试和功能
转载
2024-04-15 11:34:27
24阅读
在学习深度网络框架的过程中，我们发现一个问题，就是如何输出各层网络参数，用于更好地理解，调试和优化网络？针对这个问题，TensorFlow开发了一个特别有用的可视化工具包：TensorBoard，既可以显示网络结构，又可以显示训练和测试过程中各层参数的变化情况。本博文分为四个部分，第一部分介绍相关函数，第二部分是代码测试，第三部分是运行结果，第四部分介绍相关参考资料。一. 相关函数TensorBo
转载
2024-04-30 20:13:42
170阅读
tensorflow训练后保存的模型主要包含两部分，一是网络结构的定义（网络图），二是网络结构里的参数值。
1. .meta文件
.meta 文件以 “protocol buffer”格式保存了整个模型的结构图，模型上定义的操作等信息。
这个文件保存了网络结构的定义。例如 model.ckpt-3072.meta ，大小是 2.9 MB。
2. .data-00000-of-00001
转载
2018-03-23 21:40:00
746阅读
tensorflow训练后保存的模型主要包含两部分，一是网络结构的定义（网络图），二是网络结构里的参数值。1.
转载
2022-08-30 10:03:41
415阅读
ONNX结构分析ONNX结构分析onnx将每一个网络的每一层或者说是每一个算子当作节点Node，再由这些Node去构建一个Graph，相当于是一个网络。最后将Graph和这个onnx模型的其他信息结合在一起，生成一个model，也就是最终的.onnx的模型。onnx.helper----node、graph、model在构建onnx模型这个过程中，这个文件至关重要。其中make_node、make
转载
2024-04-18 13:31:16
184阅读
网络容器 通过Keras提供的网络容器Sequential将多个网络层封装成一个大网络模型，只需要调用网络模型的实例一次即可完成数据从第一层到最末层的顺序传播运算。 （1）Sequential容器封装为一个网络：import tensorflow as tf
from tensorflow.keras import layers,Sequential
model = Sequential([#封
转载
2023-09-20 16:08:56
423阅读
TensorFlow编程结构 TensorFlow 与其他编程语言非常不同。 首先通过将程序分为两个独立的部分，构建任何拟创建神经网络的蓝图，包括计算图的定义及其执行。起初这对于传统程序员来说看起来很麻烦，但是正是图定义和执行的分开设计让 TensorFlow 能够多平台工作以及并行执行，Tenso
转载
2021-01-27 09:50:00
57阅读
2评论
1.gcc/g++降级Ubuntu18.04自带的gcc/g++是7.0版本的，但cuda不支持这么高版本，我们需要安装4.8版本。 1.下载安装4.8版本的gcc/g++sudo apt-get install gcc-4.8
sudo apt-get install g++-4.82.让gcc软连接至4.8版本的gcc，g++软连接至4.5版本的g++装完后进入到/usr/bin目
转载
2024-05-30 09:44:00
226阅读
Tensorflow的框架介绍一张思维导图介绍本文大概内容· Tensorflow的整体结构以及数据流图结构分析一个构建图阶段：定义数据（张量Tensor）和操作（节点OP） 一个执行图阶段：调用各方面资源，将定义好的数据和操作运行起来图的结构图就是包含了一组tf.operation代表的计算单元对象和tf.Tensor代表队计算单元之间的流动数据。 简单来说 Tensorflow = Tenso
转载
2023-11-03 12:05:43
92阅读
