TensorFlow 今天发布最新版 1.2.0，公布了14大最新功能。新智元带来最新介绍，包括 API 的重要变化、contrib API的变化和Bug 修复及其他改变。附代码链接。主要的功能和改进1. Windows上支持Python3.6。2. 时空域去卷积（spatio temporal deconvolution.）增加了tf.layers.conv3d_transpose层。3. 增加
转载
2024-05-14 15:54:42
70阅读
使用到的环境：tensorflow1.15 cpu版本 protoc 3.4.0版本 python3.7 windows10基本流程：https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/installation.md 这个网址下面有一些要安装的模块，根据它安装就行了。要强调一下的有：pyc
转载
2024-04-24 13:51:12
135阅读
1. 常用低阶API的升级这份文档适用于使用低阶 TensorFlow1.x API升级到Tensorflow 2.x API 的开发者。如果您正在使用高阶 API (tf.keras)，可能无需或仅需对您的代码执行很少操作，便可以让代码完全兼容 TensorFlow 2.x。在 TensorFlow 2.x 中，1.X 的代码不经修改也许还可运行（除了contrib）：import tensor
nan表示的是无穷或者是非数值，比如说你在tensorflow中使用一个数除以0，那么得到的结果就是nan。在一个matrix中，如果其中的值都为nan很有可能是因为采用的cost function不合理导致的。当使用tensorflow构建一个最简单的神经网络的时候，按照tensorflow官方给出的教程：http://wiki.jikexueyuan.com/project/tensorflo
转载
2024-08-13 18:59:22
35阅读
pip install -U tensorflow==2.0.0rc1等号后面加版本号。本文
转载
2022-10-31 16:45:33
231阅读
说明接触TF时已经是2.0的版本了，一上手就是Keras的框架。随着了解深入发现自己欠缺太多基本的知识。目前学习方法， 看着官方的教程+别人博文（笔记）。以时间顺序记录。Week 1Part 1 ：执行模式TF2.0默认的是即时执行模式，如果你输入：print("Eager execution: {}".format(tf.executing_eagerly())) 默认是为True。如果在tf
在我们处理有关图像的任务，比如目标检测，分类，语义分割等等问题当中，我们常常需要对训练集当中的图片进行数据增强（data augmentation）,这样会让训练集的样本增多，同时让神经网络模型的泛化能力更强。在进行图片的数据增强时，我们一般会对图像进行翻转，剪裁，灰度变化，对比度变化，颜色变化等等方式生成新的训练集，这就是计算机视觉当中的数据增强。我们来看看使用图像增强的手段，对一个猫狗图像分类
转载
2024-02-21 12:05:24
117阅读
Windows下Tensorflow-GPU的安装
Windows
Tensorflow
GPU
一直在搞3D视觉相关的技术工作，最近需要用到机器学习（深度学习）来实现一些功能。而Tensorflow是谷歌发布的一款非常流行的机器学习库，故尝试在Pycharm下安装Tensorflow的GPU
# 如何使用Anaconda安装TensorFlow并更新Python
在机器学习和深度学习的世界中，TensorFlow是一个非常流行的框架，而使用Anaconda进行环境管理能够帮助你更轻松地安装和管理这些工具。今天，我将教你如何通过Anaconda来安装TensorFlow，并确保你的Python版本是最新的。接下来，我们将分步骤进行操作。
## 安装流程概述
下面是安装的基本流程，我
原创
2024-10-15 05:56:38
39阅读
下边是更改api后的自动更新旧版本的脚本.https://github.com/tensorflow/tensorflo
原创
2022-09-14 18:08:01
157阅读
Tensorflow 2.1.0关于Tensorflow1.x 与 Tensorflow2.xTensorflow 2.1.0 版本Tensorflow 2.1.0架构Tensorflow 2.1.0简化的模型开发流程Tensorflow 2.1.0强大的跨平台能力Tensorflow 2.1.0强大的研究实验安装 Tensorflow 2.1.0 （Anaconda3极简）安装Anaconda
转载
2024-05-07 22:49:34
54阅读
神经网络训练过程中，根据每batch训练数据前向传播的结果，计算损失函数，再由损失函数根据梯度下降法更新每一个网络参数，在参数更新过程中使用到一个学习率（learning rate），用来定义每次参数更新的幅度。
过小的学习率会降低网络优化的速度，增加训练时间，过大的学习率可能导致网络参数在最终的极优值两侧来回摆动，导致网络不能收敛。实践中证明有效的方法是设置一个根据迭代次数衰减的学习率，可以兼顾
转载
2018-04-20 13:10:00
157阅读
2评论
1、什么是TensorFlow？TensorFlow是谷歌基于DistBelief进行研发的第二代人工智能学习系统，其命名来源于本身的运行原理。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为张量从流图的一端流动到另一端计算过程。TensorFlow是将复杂的数据结构传输至人工智能神经网中进行分析和处理过程的系统[1]。TensorFlow可被用于
转载
2024-03-29 08:48:55
61阅读
tensorflow中，Graph是一个就像一个大容器，OP、Tensor、Variable是这个大容器的组成部件。Graph管理Tensor对象，Session管理Variable对象。Variable对象必须在Session对象内初始化。初始化所有Variable对象，把.global_variables_initializer() Op传给Session.run()。初始化部分Variabl
转载
2024-05-10 02:07:34
101阅读
TF – Kernels模块 TF中包含大量Op算子，这些算子组成Graph的节点集合。这些算子对Tensor实现相应的运算操作。图 4 1列出了TF中的Op算子的分类和举例。 图 4 1 TensorFlow核心库中的部分运算 OpKernels 简介 OpKernel类（core/framework/op_kernel.h）是所有Op类的基类。继承OpKernel还可
错误代码如下： _, summary, train_cost = sess.run([optimizer, merged, loss], feed_dict={ X: real_data, Y: real_label, is_training: True, iter: epoch}) 错误原因及解决
原创
2021-06-17 11:04:03
973阅读
文章目录前言一、TensorFlow1.x1.在2.x环境中运行1.x程序2.定义计算图3.变量初始化4.创建执行会话5.占位符6.TensorBoard可视化工具二、TensorFlow2.x1.Tensor类2.张量创建3.维度变换4.张量索引5.张量运算总结 前言简单记录一些TensorFlow1.x中的操作，主要记录TensorFlow2.x中张量的创建和运算。一、TensorFlow1
转载
2024-04-01 06:45:20
57阅读
PaddlePaddle基础命令PaddlePaddle是百度开源的深度学习框架，类似的深度学习框架还有谷歌的Tensorflow、Facebook的Pytorch等，在入门深度学习时，学会并使用一门常见的框架，可以让学习效率大大提升。在PaddlePaddle中，计算的对象是张量，我们可以先使用PaddlePaddle来计算一个[[1, 1], [1, 1]] * [[1, 1], [1, 1]
转载
2024-04-15 23:22:18
79阅读
本文主要带领读者了解生成对抗神经网络（GAN），并使用提供的face数据集训练网络GAN 入门自 2014 年 Ian Goodfellow 的《生成对抗网络（Generative Adversarial Networks）》论文发表以来，GAN 的进展突飞猛进，生成结果也越来越具有照片真实感。就在三年前，Ian Goodfellow 在 reddit 上回答 GAN 是否可以应用在文本领域的问题
转载
2024-05-11 20:53:01
83阅读
计算代数的优化技术，使它便计算许多数学表达式。TensorFlow 可以训练和运行深度神经网络，它能应用在许多场景下，比如，图像识别、手写数字分类、递归神经网络、单词嵌入、自然语言处理、视频检测等等。TensorFlow 可以运行在多个 CPU 或 GPU 上，同时它也可以运行在移动端操作系统上（如安卓、IOS 等），它的架构灵活，具有良好的可扩展性，能够支持各种网络模型（如OSI七
