tensorflow笔记系列： （一） tensorflow笔记：流程，概念和简单代码注释 （二） tensorflow笔记：多层CNN代码分析 （三） tensorflow笔记：多层LSTM代码分析 （四） tensorflow笔记：常用函数说明 （五） tensorflow笔记：模型的保存与训练过程可视化 （六）tensorflow笔记：使用tf来实现word2vec本文章内容比
使用tf fine-tune resnet模型前言使用tensorflow踩了很多的坑，尤其是使用tf的slim模块的时候，其中batchnorm的问题困挠了我很久，问题表现如下：训练结果很好，测试的时候is−training
设置成false测试结果很差，设置成true测试结果恢复正常训练结果很好，但是测试的结果要差上不少但是tensorflow官方提供的常见
转载
2024-06-16 10:08:44
46阅读
keras： tensorflow： dense1 = tf.layers.dense(inputs=pool3, units=1024, activation=tf.nn.relu，kernel_regularizer=tf.contrib.layers.l2_regularizer(0.003)) 附文k
转载
2024-04-24 14:06:58
383阅读
dense ：全连接层 相当于添加一个层函数如下：tf.layers.dense(
inputs,
units,
activation=None,
use_bias=True,
kernel_initializer=None, ##卷积核的初始化器
bias_initializer=tf.zeros_initializer(
tensorflow数据读入的基础步骤说实话，每次在跑模型的时候数据集输入网络的形式都让我很头疼，虽然自己会写，但总觉得代码不够简洁漂亮，也经常疑心数据传输的速度问题。所以每次都是去copy别人的数据处理的代码，自己则看的懵懵懂懂的，故在这里记录一下常用的数据输入网络的方式。1. 输入与标签建立联系–zip 数据集处理的第一步就是建立输入数据与标签间的一一对应关系，下面使用zip()作为示例。 输
1. GAN简介最近几年，深度神经网络在图像识别、语音识别以及自然语言处理方面的应用有了爆炸式的增长，并且都达到了极高的准确率，某些方面甚至超过了人类的表现。然而人类的能力远超出图像识别和语音识别的任务，像很多需要创造力的任务却是机器很难做到的。但是GAN使得机器解决这些任务成为可能。深度学习的领军人物Yann LeCun曾经说过：生成对抗网络（GAN）及其变种已经成为最近10年以来机器学习领域最
线性回归算法的主要优点是它的简单性，线性回归的损失函数是平方损失。一般处理连续性问题，比如预测房价等，在本文中，使用 TensorFlow 训练一个简单线性回归模型。线性回归模型 y = wx + b：准备好特征和目标值数据集import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
import os
#
转载
2024-04-11 15:25:12
45阅读
▌图片：tensorflow官网、安装截图▌内容：教程安装系列 从思想出发，去理解技术；用智慧推演，看人工智能前提：已安装完Anaconda 这⾥咱们主要使⽤ Windows 中的Anaconda Prompt 进⾏安装，因为在Linux、Mac通⽤也是⼤同⼩异的▍第一步：打开Anaconda Prompt配置镜像源，打开后，可以看到现在是base环境，就是安装完a
转载
2024-01-09 17:33:03
57阅读
tf2.0 自定义模型层
一，内置模型层一些常用的内置模型层简单介绍如下。基础层Dense：密集连接层。参数个数 = 输入层特征数× 输出层特征数(weight)＋ 输出层特征数(bias)Activation：激活函数层。一般放在Dense层后面，等价于在Dense层中指定activation。Dropout：随机置零层。训练期间以一定几率将输入置0，
转载
2024-02-09 12:28:53
64阅读
import tensorflow as tfbatch_size = 5ones = tf.ones([batch_size,20])logits = tf.layers.dense(ones,10)print(logits.get_shape())(5,10)import tensorflow as tfbatch_size = 5ones = tf.ones([batch_size
原创
2022-07-19 11:51:34
196阅读
from tensorflow import feature_column
from tensorflow.keras import layers在Tensorflow中，通过调用tf.feature_column模块来创建feature columns。有两大类feature column，一类是生成连续特征dense tensor的Dense Column；另一类是生成离散特征sparse t
转载
2024-03-26 12:44:49
55阅读
将训练的模型进行保存，或者利用已保存的模型给新模型“赋值”。本文参考Tensorflow官方文档之保存和恢复模型，对官方文档给出的代码进行了实践，并将我的理解加到了注释之中，希望能帮到有需要的人。代码分成几个部分讲解：1、导入必要的模块和加载数据集Tensorflow官方文档依旧使用mnist数据集来进行新手教学，和mnist手写数字识别项目不同的是，此处只使用1000条数据以加快速度，毕竟我们的
转载
2024-02-28 19:03:51
40阅读
最近看tensorflow的代码，mark下学习过程，也算是防止之后忘了。os.environimport os
os.environ["CUDA_VISIBLE_DEVICES"] = "2" ##指定使用哪块GPU
os.environ["CUDA_VISIBLE_DEVICES"] = "1， 2" ##多块GPU使用
os.environ["CUDA_VISIBLE_DEVICES"]
TensorFlow是一个很坑的东西，在没有session运行的时候，所有数据都看不到结果，很难去print而且TF还没有中文的API手册，很多东西很难体会在这里记录一下比较难理解的几个方法的用法，以便后面用到 tf.sparse_to_dense(sparse_indices, output_shape, sparse_values, default_value, name=None)
除去n
数据输入与特征工程?=??(?)之(?,?)y=fw(x)之(x,y):是模型的输入数据，对应了机器学习算法工程中的特征工程和模型构建中的模型输入。 w也需要初始化。无论输入如何变化，最终都要转成tensor才能被tensorflow计算。 tensorflow 在实现?=??(?)y=fw(x)时， 把x,y抽象成tensor;f_w抽象成Model/estimator;tensor之间的复杂操
转载
2024-07-31 18:14:41
97阅读
在使用tensorflow搭建模型时会有特征工程的工作，今天介绍一下tensorflow做特征工程的api：tf.feature_column。 1、tf.feature_column.input_layertf.feature_column.input_layer(
features,
feature_columns,
weight_collec
转载
2024-03-24 14:37:29
142阅读
Attentional Feature Fusion摘要1 引言2 Related Work3. Multi-scale Channel Attention(多尺度通道的关注)4. 注意力特征融合 Attentional Feature Fusion5. Experiments6. Conclusion 注意力特征融合作者：Yimian Dai1 Fabian Gieseke2,3 Stefan
转载
2024-07-08 09:14:32
229阅读
# #作者：韦访 1、概述换了个固态硬盘，本想装最新的系统mint 19，谁知道却是个坑，NVIDIA驱动和CUDA工具老是装不上去，各种问题，折腾了几天，还是用回了原来的系统。不过，这次软件改了一下，使用了python3.5+tensorflow1.9+CUDA9.0 。这一讲，来学学非常热门的人脸识别。首先介绍MTCNN原理，然后介绍如何利用深度卷积网络提取人脸特征，以及如何利用提取的特征进行
转载
2024-08-07 08:59:26
50阅读
# Python TensorFlow Dense函数的参数保存方案
在使用TensorFlow进行深度学习模型训练时，`Dense`层是构建神经网络的重要组成部分之一。然而，训练完模型后，我们需要将`Dense`层的参数（权重和偏置）保存起来，以便在未来进行模型预测或继续训练。本文将介绍如何保存和加载`Dense`函数的参数，提供代码示例，并使用流程图和表格做进一步说明。
## 1. Ten
tf.layers.Dense是一个十分钟要的神经网络接口，在此详细介绍一下该接口的使用，以便刚入门的小伙伴参考，也为自己以后学习作为记录。tf.layers.Dense：可以理解一个全连接层 相当于添加一个全连接网络层。tensorflow2的API接口地址：https://tensorflow.google.cn/api_docs/python/tf/keras/layers/De
转载
2024-06-15 22:05:06
67阅读
