综述 TensorFlow是一个编程系统，用图来表示计算任务，描述了计算过程图中结点表示为op(operation),一个op获得0或多个tersortensor是一个多维数组，在图中表示边图必须在会话Session里启动变量需初始化tf.global_variables_initializer()TensorFlow程序可以看做独立的两部分：构建计算图 与 运行计算
转载
2024-03-15 09:38:20
37阅读
tensorflow由于其基于静态图的模式，导致写代码的时候很难调试，除了用官方的调试工具外，最直接的方法就是把中间结果输出出来查看，然而，直接用print函数只能输出tensor变量的形状，而不是数值，想要输出tensor的具体数值需要用tf.Print函数。网上有很多关于这个函数使用方法的说明，这里简要介绍：Print(
input_,
data,
message=No
一次你有一个漂亮的模型，可以做出惊人的预测，你会用它做什么？好吧，你需要把它投入生产！这可能就像在一批数据上运行模型一样简单，并且可能编写一个每晚运行该模型的脚本。但是，它通常涉及更多。您的基础架构的各个部分可能需要在实时数据上使用此模型，在这种情况下，您可能希望将模型包装在 Web 服务中：这样，您的基础架构的任何部分都可以使用简单的 REST API 随时查询您的模型（或其他协议），正如我们在
转载
2024-08-19 16:48:40
57阅读
【TensorFlow1.X】系列学习文章目录【环境搭建】 【入门一】 【入门二】 【入门三】 【入门四】【TensorFlow1.X】系列学习笔记【环境搭建】大量经典论文的算法均采用 TF 1.x 实现, 为了阅读方便, 同时加深对实现细节的理解, 需要 TF 1.x 的知识文章目录【TensorFlow1.X】系列学习文章目录【TensorFlow1.X】系列学习笔记【环境搭建】简介Tenso
Pytorch的DataParallel多GPUPytorch实时可视化pytorch中的深浅拷贝和引用pytorch记录pytorch设置可学习系数pytorch_loss可学习weightpytorch eval时显存炸的问题tensorflow记录train的时候标准化等CNNTricksPytorch的DataParallel多GPU可以多卡并行训练，但是当输入size过大或者模型过大（一
鉴于tensorflow目前正在更新2.0版本，博主对博客也新增了适用于2.0版本动态度转换方法，更新于 --2019//09//29图1 numpy 图2 tensorflow - 问题描述在我们使用TensorFlow进行深度学习训练时，很多时候都是与Numpy数据打招呼，例如我们csv或者照片数据等。 但是我们都知道，TensorFlow训练时都是使用Tensor来存储变量的，并且网络输出的
转载
2024-04-25 18:38:35
33阅读
按照惯例，每一个神经网络模型，除了自行编码实现算法外，也要调用Google的开源三方库TensorFlow，对比一下结果。本文将描述如何用TensorFlow封装一个BP网络。【阅读前提】了解TensorFlow的基本用法，如张量、变量、图、会话，图的构建阶段与执行阶段，TensorFlow模型，与名称。如需补课，请参考《TensorFlow的模型与名称域》[2]。了解BP神经网的基本原理及其算法
转载
2023-11-20 11:14:29
48阅读
____tz_zs学习笔记 多层向前神经网络(Multilayer Feed-Forward Neural Network)输入层(input layer), 隐藏层 (hidden layers), 输入层 (output layers)1.每层由单元(units)组成2.输入层(input layer)是由训练集的实例特征向量传入3.经过连接结点的权重(weight)传入下一层，一层的输出是
转载
2023-11-02 00:46:13
316阅读
最近在做可以转成pb模型的RNN/LSTM层的实现细节分析。经过一些分析，发现了在Keras里面常见的keras.layers.LSTM和Tensorflow的tf.contrib.rnn.LSTMCell有一些实现上面的区别。本文将立足于Keras和Tensorflow源码，分别搭建两个简单的一层LSTM的神经网络，验证权重的解析顺序及计算逻辑的正确性。Let’s roll~0. 常见的LSTM
转载
2024-03-26 11:16:06
159阅读
TensorFlow 是什么TensorFlow 是一个深度学习库，由 Google 开源，可以对定义在 Tensor(张量)上的函数自动求导。Tensor(张量) 意味着 N 维数组，Flow(流) 意味着基于数据流图的计算，TensorFlow 即为 张量从图的一端流动到另一端一大亮点是支持异构设备分布式计算，它能够在各个平台上自动运行模型，从电话、单个 CPU / GPU 到成百上千 GPU
转载
2024-04-24 09:27:45
33阅读
读数总结：使用tf构建一个简单的SLP模型，部分定义需要在上一学习笔记中复习。分为导入模块、数据构建、模型定义、学习阶段、测试及准确率计算，共五个部分。##5.1 导入模块此次建模主要用到numpy用于构建数据，TensorFlow用于构建模型，matplotlib用于数据可视化。 ##5.2 数据构建本次学习的数据是11个点的坐标及对应的点的类型，建模的目标是找到一条直线能够正确划分两
转载
2024-07-12 11:50:40
37阅读
一、准备工作1、加载数据集import tensorflow as tf
import numpy as np
class MNISTLoader():
def __init__(self):
mnist = tf.keras.datasets.mnist
(self.x_train, self.y_train), (self.x_test, self.y
Tensorflow学习笔记（六）模型的合并 将多个模型文件合并成一个模型文件定义一个简单的模型加载SavedModel模型加载.meta模型模型连接两个模型保存成为新的模型保存成一个.pb模型保存为SavedModel模型保存为.meta模型完整代码简单的模型与SavedModel模型简单的模型与.meta模型模型 将多个模型文件合并成一个模型文件先用之前Tensorflow学习笔记（二）模型
转载
2024-05-06 18:13:01
107阅读
当我们将模型训练完毕后，往往需要将模型在生产环境中部署。最常见的方式，是在服务器上提供一个 API，即客户机向服务器的某个 API 发送特定格式的请求，服务器收到请求数据后通过模型进行计算，并返回结果。如果仅仅是做一个 Demo，不考虑高并发和性能问题，其实配合 Flask 等 Python 下的 Web 框架就能非常轻松地实现服务器 API。不过，如果是在真的实际生产环境中部署，这样的方式就显得
转载
2024-03-27 05:47:58
94阅读
一、tensorflow读取机制图解我们必须要把数据先读入后才能进行计算，假设读入用时0.1s，计算用时0.9s，那么就意味着每过1s，GPU都会有0.1s无事可做，这就大大降低了运算的效率。解决这个问题方法就是将读入数据和计算分别放在两个线程中，将数据读入内存的一个队列，如下图所示：读取线程源源不断地将文件系统中的图片读入到一个内存的队列中，而负责计算的是另一个线程，计算需要数据时，直接从内存队
转载
2024-03-21 10:47:08
64阅读
准备数据前期已经将数据生成了tfrecord格式，这里主要是研究如果从tfrecord格式文件中读取数据batch读文件名获取tf_record格式的文件名列表 1 tf_record_pattern = os.path.join(FLAGS.data_dir,'%s-*' %self.subset) # subset in ['train','validation']
2 data_file
转载
2024-04-25 11:38:49
67阅读
Python 2里面读取输入的函数是raw_input()， Python 3的是input()，读入一个值后回车读取输入就退出了，想要一次读取多个输入，可以像下面这样：a, b = raw_input().split()
1 2
a
Out[224]: '1'
b
Out[225]: '2' 上面保存的是字符串，可以用map转化为int型的a, b = map(int, raw_
转载
2023-06-30 11:46:18
121阅读
以下记录为我在电脑上安装的过程(2018.4.28)：版本信息：win10python3.6.5tensorflow-gpu1.8.0CUDA9.0cuDNN7.1说明：1.为啥要安装这几个？tensorflow是微软家出的一个用来做深度学习的开源库，这个库有两个版本一种是在CPU上运行，安装方法为：pip install tensorflow一种是在GPU上运行，安装方法为pip install
转载
2024-07-24 16:51:20
15阅读
LSTM1.简介2.RNN2.1RNN原理内容介绍2.1优缺点3.LSTM3.1RNN差异3.2 LSTM内部结构3.3 LSTM代码 1.简介长短期记忆网络（Long-Short Term Memory,LSTM）论文首次发表于1997年。由于独特的设计结构，LSTM适合于处理和预测时间序列中间隔和延迟非常长的重要事件。 LSTM的表现通常比时间递归神经网络及隐马尔科夫模型（HMM）更好，比如
转载
2024-02-12 07:58:22
197阅读
理论部分一、cifar 10 数据集简介cifar 10相比于MNIST数据集而言更为复杂，其拥有10个种类（猫、飞机、汽车、鸟、鹿、狗、青蛙、马、船卡车），这十大类共同组成了50k的训练集，10k的测试集，每一张图片都是32*32的3通道图片（彩色图片），在神经网络中，通常表示成如下形式：
