基于 tf.data API，我们可以使用简单的代码来构建复杂的输入，tf.data API 可以轻松处理大量数据、不同的数据格式以及复杂的转换。tf.data.Dataset中每个元素包含一个或多个 Tensor 对象。例如，在图 片管道中，一个元素可能是单个训练样本，具有一对表示图片数据和标签的张量。 可以通过两种不同的方式来创建tf.data.Dataset（1）直接从 Tensor 创建
转载
2024-03-28 16:40:50
59阅读
参考资料:https://wookayin.github.io/tensorflow-talk-debugging 几种常用方法: 1.通过Session.run()获取变量的值 2.利用Tensorboard查看一些可视化统计 3.使用tf.Print()和tf.Assert()打印变量 4.使用
原创
2022-07-16 00:16:28
746阅读
参考文章：数据集：快速了解数据集：快速了解tf.data从 numpy 数组读取内存数据。逐行读取 csv 文件。基本输入学习如何获取数组的片段，是开始学习 tf.data 最简单的方式。Premade Estimatorsdef train_input_fn(features, labels, batch_size):
"""一个用来训练的输入函数"""
# 将输入值转化为数据集
转载
2024-03-24 19:55:42
34阅读
import tensorflow as tf x = tf.Variable([1,2])a = tf.constant([3,3])#增加一个减法opsub = tf.subtract(x,a)add = tf.add(x,sub) #初始化所有变量init = tf.global_variab
转载
2018-08-10 20:47:00
115阅读
2评论
为了使用TensorFlow，我们需要明白什么是Tensorflow。下面介绍Tensorflow的5个特征：用计算图：Graph来表示计算过程用会话：Sessions来执行图使用张量：tens
# -*- coding: utf-8 -*-
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' # 修改警告级别，不显示警告
import tensorflow as tf
# 下载数据集并划分为训练集和测试集
(train_images,train_lables),(test_images,test_labels) = tf.keras.
如何在Windows10环境下，对Tensorflow代码进行打包封装（利用PyQt5制作界面）在写代码、做项目的过程中，经常需要对代码进行打包封装，提供给用户使用。本文就重点介绍如何在Windows10环境下，对深度学习代码进行打包封装，以Tensorflow代码为例进行说明。1、编写Tensorflow代码Windows10环境下，Tensorflow貌似不支持Python2.7，建议使用Py
mnist数据集包含 7 万张黑底白字手写数字图片，其中 55000 张为训练集，5000 张为验证集，10000 张为测试集。每张图片大小为 28*28 像素，图片中纯黑色像素值为 0，纯白色像素值为 1。数据集的标签是长度为 10 的一维数组，数组中每个元素索引号表示对应数字出现的概率。1.使用input_data模块中的read_data_sets()函数加载mnist数据集：from te
基础损失函数[机器学习中的损失函数]示例说明：计算multilabel时的BinaryCrossentropytf.keras.losses.BinaryCrossentropy原码：@tf_export('keras.backend.binary_crossentropy')
def binary_crossentropy(target, output, from_logits=False):
首先大家看2 张图片 在0.8版本时候已经支持分布式了 ，所以未来的发展 方面 人工智能的趋势 不可挡，而且个人也是非常喜欢caffe 以及 tensorFlow 的我创业 用的就用到了它。 下面我们来讲一下 学习tensorFlow要了解的基础知识。 首先安装方面 很简单  
转载
2024-03-20 16:49:38
42阅读
Last updated: 2022-09-26, 13:101. 简介TensorFlow 使用变量表示程序中共享、持久化的状态。下面介绍如何创建、更新和管理 tf.Variable。TF变量使用 tf.Variable 类创建，表示值可变的张量。高级 API 如 tf.keras 使用 tf.Variable 保存模型参数。2. 设置本笔记会讨论变量存储位置，取消下面的注释行可以查看变量是保存
训练模型时，需要使用变量(Variables)保存和更新参数。Variables是包含张量(tensor)的内存缓冲。变量必须要先被初始化(initialize)，而且可以在训练时和训练后保存(save)到磁盘中。之后可以再恢复(restore)保存的变量值来训练和测试模型。 主要参考一下两类： - The tf.Variable class. - The tf.train.Saver cl
转载
2024-06-05 22:41:14
44阅读
tensorflow 1.14 ssd_mobilenet_v1 模型训练1 工具版本序号软件名称版本安装命令1操作系统ubuntu 18.042python3.6.93tensorflow1.14sudo pip3 install tensorflow4protobuf3.12.32 下载 tensorflow/models2.1 下载git clone https://github.com/t
张量操作篇1 数据类型转换1.1数据类型1.2数据类型转换2 张量操作2.1 形状操作2.2切片和合并2.3 归约计算2.4索引求取 1 数据类型转换1.1数据类型整型数据代码描述tf.int88位整数tf.int1616位整数tf.int3232位整数tf.int6464位整数tf.uint88位无符号整数。tf.uint1616位无符号整数。浮点型数据代码描述tf.float1616位浮点数
转载
2024-10-15 20:30:20
90阅读
TensorFlow是Google开发的第二代人工智能系统，于2015年11月宣布开源。故名思义，TensorFlow的要素为张量（Tensor）和流（Flow），他们分别是系统的数据结构和算法框架。TensorFlow的设计想法就是通过让N维向量在数据流图（Data Flow Graph）上的一个节点流到另一个节点的方式来完成计算。例如，我们现在要计算两个矩阵相乘。在TensorFlow的框架下
转载
2024-09-11 09:19:52
46阅读
Tensorflow API: tf.data.Dataset使用Tensorflow中之前主要用的数据读取方式主要有：建立placeholder，然后使用feed_dict将数据feed进placeholder进行使用。使用这种方法十分灵活，可以一下子将所有数据读入内存，然后分batch进行feed；也可以建立一个Python的generator，一个batch一个batch的将数据读入，并将其
虽然我们已经支持在断点进行变量的打印，但是需要自己指定层数以及变量索引，使用起来不是很方便。要进行upvalue打印的话，操作会更加麻烦。为了提升调试的方便性，我们决定封装一个通用的变量打印函数，可以通过变量名查找到对应变量的值进行打印。支持局部变量、upvalue以及全局的_ENV中的变量。
转载
2023-07-31 08:38:11
114阅读
从TensorFlow的名字就可以看出张量(tensor)是一个很重的概念。在tensorflow程序中所有的数据都通过张量的形式来表示。从功能的角度看，张量可以被理解为多维数组。其中零阶张量表示标量（scalar）也就是一个数；一阶张量为向量，也就是一维数组；n阶张量可以理解为一个n维数组。但张量的实现并不是直接采用数组的形式，它只是对TensorFlow中运算结果的引用。在张量中并没有保存数字
转载
2024-03-30 09:04:42
98阅读
本文主要根据TensorFlow变量进行的翻译整理。TensorFlow中变量主要用来表示机器学
转载
2023-04-07 13:55:15
90阅读
一get_variable() 函数 get_variable() 函数用于创建或获取变量。 在实现
原创
2023-02-17 16:54:43
72阅读
