Tensorflow代码笔记（一）tf.app.run函数入口，类似于c/c++中的main()，大概意思是通过处理flag解析，然后执行main函数。 有两种情况： · 如果你的代码中的入口函数不叫main()，而是一个其他名字的函数，如test()，则你应该这样写入口tf.app.run(test) · 如果你的代码中的入口函数叫main()，则你就可以把入口写成tf.app.run()tf.
转载
2024-03-19 08:27:39
68阅读
一、TensorFlow运行模型——会话1、通过创建会话（session）来执行定义好的运算# 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果。比如可以调用sess.run(result)
sess.run(...)
# 关闭会话使得本次运行中得到的资源可以被释放
sess.close()通过Python上下文管理器的机制，只要将所有的计算放在
转载
2024-04-16 19:55:33
85阅读
一、如何在Ubuntu上编辑和运行TensorFlow包下的代码（1）使用vim编辑器编辑，终端运行代码 该方法首先需要打开Ubuntu的终端，然后输入以下代码进入Anaconda管理下安装了TensorFlow包的Python环境：zlt@zlt-virtual-machine:~/download/MyTfTest$ source activate tensorflow 成功运行后即可在前面看
转载
2024-05-01 20:53:48
134阅读
RCNN算法的tensorflow实现这个算法的思路大致如下： 1、训练人脸分类模型 输入：图像；输出：这张图像的特征 1-1、在Caltech256数据集上pre-trained，训练出一个较大的图片识别库； 1-2、利用之前人脸与非人脸的数据集对预训练模型进行fine tune，得到一个人脸分类模型。 2、训练SVM模型（重新定义正负样本）输入
转载
2024-02-26 20:35:31
26阅读
摘要：Tensorflow Distributions提供了两类抽象：distributions和bijectors。distributions提供了一系列具备快速、数值稳定的采样、对数概率计算以及其他统计特征计算方法的概率分布。bijectors提供了一系列针对distribution的可组合的确定性变换。1、Distributions1.1 methods一个distribution至少实现以
转载
2024-05-06 14:04:10
25阅读
x = tf.placeholder(tf.float32, [None, 784])x isn't a specific value. It's a placeholder, a value that we'll input when we ask TensorFlow to run a computation. We want to be able to input any
转载
2024-04-30 05:59:33
35阅读
lstm实现困惑度困惑度是什么具体实现数据准备vocabWord2idbatch_data模型的配置 困惑度是什么通常在永ngram语言模型的时候，通常用困惑度来描述这个query的通顺程序，ngram是一个统计概率模型。 但是ngram模型有一个缺点，就是通常我们使用的是2-gram或者3-gram，那么对于大于3个字或词以上的信息就不能捕获到了，但是循环神经网络可以将任意长度的信息都捕获到，
转载
2024-05-28 19:31:19
46阅读
TensorFlow C++ Session API reference documentationTensorFlow’s public C++ API includes only the API for executing graphs, as of version 0.5. To control the execution of a graph from C++: TensorFlow的C+
转载
2024-05-07 09:24:50
87阅读
它较原先的1.x版本有什么改进呢？我们知道作为一个算法研究工具，tensorflow相较于同类型产品，编码是较为复杂的，需要引入额外的“搭建阶段（Construction Phase）”来创建视图，创建会话，初始化变量等等。同样是一段计算一串等比数列（1，1/2，1/4...）前50项之和，PyTorch的代码只有区区几行： 而在Tensorflow则要经历环境和执行阶段的构建工作。 结构的复杂性
转载
2024-08-24 14:16:10
68阅读
之前写的一篇SSD论文学习笔记因为没保存丢掉了，然后不想重新写，直接进行下一步吧。SSD延续了yolo系列的思路，引入了Faster-RCNN anchor的概念。不同特征层采样，多anchor. SSD源码阅读 https://github.com/balancap/SSD-Tensorflowssd_vgg_300.py为主要程序。其中ssd_net函数为定义网络结构。先简单解释下SSD是如何
转载
2024-05-19 08:14:28
63阅读
一 摘要 2015年11月9日，Google发布深度学习框架Tensorflow并宣布开源，迅速得到广泛的关注，在【图像分类】、【音频处理】、【推荐系统】和【自然语言处理】等场景下大面积被推广。Tensorflow系统更新的速度非常之快，官方文档的教程也比较齐全，上手快速，简单易用，支持Python和C++接口。本文依据对Tensorflow(简称
转载
2024-04-24 12:09:31
47阅读
使用 TensorFlow, 你必须明白 TensorFlow:使用图 (graph) 来表示计算任务.在被称之为 会话 (Session)使用 tensor 表示数据.通过 变量 (Variable)使用 feed 和 fetch 可以为任意的操作(arbitrary operation) 赋值或者从其中获取数据.op (operation 的缩写). 一个 op
转载
2024-02-23 20:39:59
38阅读
Tensorflow2.0Tensorflow 简介Tensorflow是什么Google开源软件库采用数据流图,用于数值计算支持多平台 GPU CPU 移动设备最初用于深度学习,变得通用数据流图节点---处理数据线---节点之间的输入输出关系线上运输张量节点被分配到各种计算设备上运行特性高度的灵活性真正的可移植性产品与科研结合自动求微分多语言支持性能最优化历史历史版本2015年11月:首次发布2
# 使用 TensorFlow 实现基本的 Python 代码
在本文中，我们将以简单的步骤教会你如何用 TensorFlow 实现一个基本的机器学习代码。首先，我们将介绍整个流程，并用表格来清晰展示每个步骤。然后，我们将详细解释每一步所需的代码及其含义，最后我们还会用饼状图来表示不同步骤的工作量。
## 流程步骤
我们开发一个简单的线性回归模型，以下是整体流程的步骤：
| 步骤 | 描
TensorFlow 是由 Google 开发的一个用于数值计算的开源软件库，主要用于构建和训练机器学习模型。数据流图是由节点和
原创
2024-10-15 09:33:40
37阅读
# 如何实现 TensorFlow 代码架构
在实现 TensorFlow 代码架构时，尤其对于刚入行的小白来说，了解整个流程是非常重要的。本文将帮助你逐步了解如何搭建一个基本的 TensorFlow 项目架构，并提供相应的代码示例及注释。我们将通过一张表格来展示整个流程，并用示例代码帮助你更好地理解每一步的具体操作。
## TensorFlow 项目流程
下面是一个简单的 TensorFl
看了下《TensorFlow:实战Google深度学习框架》这本书，目前个人觉得这本书还是对初学者挺友好的，作者站在初学者的角度讲解TensorFlow，所以比较容易理解。这篇博文主要是为了分析其中的一个经典代码，MNIST手写数字识别。作者用了一个三层的全连接网络来实现手写数字识别。具体的一些信息可以在书中5.2节查看。在下面的代码中有些注释是作者的，当然我也在一些地方添加了自己的理解，在博文最
MNIST数据集是由0-9，10个手写数字组成。训练图像有60000张，测试图像有10000张。1、在tensorflow中可以使用python下载数据集，调用download.py。代码如下：from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("MNIST_da
from tensorflow.examples.tutorials.mnist import input_data import tensorflow as tf mnist = input_data.read_data_sets("MNIST_data/",one_hot = True) sess = tf.InteractiveSession() def weight_Variabl...
转载
2017-03-10 17:06:00
148阅读
2评论
keras tensorflow
转载
2023-01-20 10:02:58
77阅读
