以下代码在Python3.6和TensorFlow>=1.10运行通过。1.tensorflow模型有两个文件组成：（1）meta graph: 这是一个协议缓冲区， 它保存了完整的tensorflow图形，即所有变量、操作、集合等。该文件以.meta作为扩展名。 （2）checkpoint file: 这是一个二进制文件，它包含了所有的权重、偏置、梯度和其他所有变量的值。这个文件有一个扩展
转载
2024-04-06 22:40:19
42阅读
在做手势识别项目中需要进行模型压缩以提升检测效率，根据该篇文章模型压缩方法运行正常，优化后模型大小有所减少（模型大小减少的不多）。但为移植安卓上，使用TensorFlow lite将优化前和优化后的模型进行转换，发现转换后的tflite文件没有变化。如果不用tensorflow lite转换可以使用该优化方法。 前言前文中我们把训练好的模型打包成GraphDef文件（PB文件）了，可是打
文章目录保存和恢复模型1、选项2、配置导入Tensorflow包：获取MNIST数据集定义模型3、在训练期间保存模型（以 checkpoints 形式保存）Checkpoint 回调用法Checkpoint 回调选项4、手动保存权重5、保存整个模型6、参考资料 保存和恢复模型模型可以在训练期间和训练完成后进行保存。这意味着模型可以从任意中断中恢复，并避免耗费比较长的时间在训练上。 1
最近由于项目原因，需要用到HRNet网络，加上前面的目标检测部分，使用python版本的代码运行太慢，于是想到了用c++来重写HRNet。代码已在github上开源：HRNet_cpp。具体做法是将pytorch的模型文件转换为onnx，采用onnx的c++的推理库。然后目标检测网络部分采用轻量级的nanodet，同时也采用onnx进行推理。最后，在我的笔记本电脑上（GTX960M）进行单人的姿态
前段时间实践tensorflow目标检测模型再训练，过程见博文tf2目标检测-训练自己的模型总结目标检测模型再训练过程，有以下几点需注意：1 训练集和测试集训练图片每张只包含一个目标，因此可用小尺寸图片，且统一训练图片大小，有助于加快训练过程。测试图片则用大图片，包含多个需检测目标，同时包括应排除的目标，检验模型训练成果。2 模型处理窗口和输入图片resize问题每个再训练模型有处理窗口，例如ss
转载
2024-04-24 16:05:34
72阅读
Tensorflow的保存分为三种：1. checkpoint模式；2. pb模式；3. saved_model模式。1 checkpoint模式1.1 保存checkpoint模式将网络和变量数据分开保存：|--checkpoint_dir
| |--checkpoint
| |--test-model-550.meta
| |--test-model-550.data-000
转载
2024-03-19 09:59:19
42阅读
文章目录Tensorflow Serving实战安装Tensorflow serving准备YOLOX模型部署YOLOX模型测试YOLOX模型多模型多版本部署模型的热部署参考 Tensorflow Serving使用Tensorflow框架训练好模型后，想把模型部署到生产环境可以使用Tensorflow Serving进行部署。Tensorflow Serving具有以下作用：兼容Tensorf
转载
2024-05-05 18:54:11
162阅读
本篇介绍函数包括：
tf.conv2d
tf.nn.relu
tf.nn.max_pool
tf.nn.droupout
tf.nn.sigmoid_cross_entropy_with_logits
tf.truncated_normal
tf.constant
tf.placeholder
tf.nn.bias_add
tf.reduce_mean
tf.squared_d
转载
2024-02-22 00:49:25
37阅读
tensorflow实现线性回归模型1.变量（1）变量的创建（2）变量的初始化（3）变量的作用域2.可视化学习Tensorboard（1）开启tensorboard（2）增加变量显示3.tensorflow实现线性回归实战（1）Tensorflow运算API（2）梯度下降API（3）实现线性回归4.模型加载和保存5.命令行参数 1.变量（1）变量的创建变量也是一种OP，是一种特殊的张量，能够进行
转载
2024-04-21 13:36:46
78阅读
TensorFlow提供了一个非常简单的API来保存和还原一个神经网络模型。这个API就是tf.train.Saver类。以下代码给出了保存TesnsorFlow计算图的方法。import tensorflow as tf
#声明两个变量并计算他们的和
v1 = tf.Variable(tf.constant(1.0, shape = [1]), name = "v1")
v2 = tf.V
转载
2024-06-07 05:52:46
30阅读
cifar10训练数据集下载链接：https://pan.baidu.com/s/1Qlp2G5xlECM6dyvUivWnFg 提取码：s32t代码解析前置配置引入tensorflow库，和其他辅助库文件。安装方式为pip3 install tensorflow numpy pickle。详细过程不在这里描述。 在这里，训练和测试数据集文件放在该脚本的父文件夹中，因此按照实际情况来对CIFAR_
转载
2024-05-13 11:28:25
49阅读
在开始正题之前，先介绍一下Tensorflow-hub, Tensorflow-hub 是 google 提供的机器学习模组打包函式库，帮开发者把TensorFlow的训练模型发布成模组，方便再次使用或是与社交共享。目前官网上已经发布了不少模组，可以直接下载使用。在之前博客【Tensorflow2.*教程之使用Tensorflow Hub 对IMDB电影评论数据集进行文本分类(2)】中也使用到Te
转载
2024-05-13 11:15:40
203阅读
在所有的数据都处理完了之后，接下来就可以进行模型的训练了。在Github上FaceNet项目的介绍中有softmax和论文中提到的三元损失训练triplet两种方式，这边简单的介绍下softmax的训练方法。FaceNet已经将所有的方法都已经封装好，训练程序在src目录下的train_softmax.py文件中，在训练之前，我们首先要简单的修改下这份文件，让它适用于当前版本。找到260行，搜索i
转载
2024-04-12 19:52:06
33阅读
TensorFlow2的建模流程
1. 使用Tensorflow实现神经网络模型的一般流程
2. Titanic生存预测问题
2.1 数据准备
2.2 定义模型
2.3 训练模型
2.4 模型评估
2.5 使用模型
2.6 保存模型
参考资料
在机器学习和深度学习领域，通常使用TensorFlow来实现机器学习模型，尤其常用
转载
2024-03-19 00:09:13
187阅读
NVIDIA DLI 深度学习入门培训 | 特设三场！！ 4月28日/5月19日/5月26日 正文共7797个字，13张图，预计阅读时间18分钟。本篇文章有2个topic，简单的分类器和TensorFlow。首先，我们会编写函数生成三种类别的模拟数据。第一组数据是线性可分的，第二种是数据是月牙形数据咬合在一起，第三种是土星环形数据。每组数据有两个类型，我们将分别建立模型，对每组数
转载
2024-05-27 10:24:32
50阅读
用过 TensorFlow 时间较长的同学可能都发现了 TensorFlow 支持多种模型格式，但这些格式都有什么区别？怎样互相转换？今天我们来一一探索。1. CheckPoint(*.ckpt)在训练 TensorFlow 模型时，每迭代若干轮需要保存一次权值到磁盘，称为“checkpoint”，如下图所示：这种格式文件是由 tf.train.Saver() 对象调用 saver.save()
转载
2024-03-28 09:21:00
44阅读
文 / 李锡涵，Google Developers Expert在上一篇文章中，我们介绍了 tf.config 的使用方式，至此 TF2.0 中常用模块已经介绍完毕。 接下来我们将介绍 TensorFlow 中模型的部署与导出，本文介绍使用 SavedModel 完整导出模型。
使用 SavedModel 完整导出模型在部署模型时，我们的第一步往往
转载
2024-05-13 14:57:22
46阅读
一些上下文我的目标是让注意力OCR学习在哪里查找和阅读扫描文档中的特定信息。它应该找到一个10位数的数字(在大多数情况下)前面有一个描述性标签。文件的布局和类型各不相同，因此我得出结论，如果不使用注意机制，任务是无法解决的，因为位置可变。。。在我的第一个问题是：我是否正确地解释了模型的功能？它真的能解决我的问题吗？(一)目前的进展我试着在自己的数据集上运行了这项培训，其中有大约200k张736x7
转载
2024-04-28 15:23:14
45阅读
1.模型的保存（代码）import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
#载入数据(可以是某盘的绝对路径)（我的数据存储在运行路径下）
#mnist = input_data.read_data_sets('C:\\Users\\ZSl\\Documents\\MNIST_data'
转载
2024-04-06 09:58:19
164阅读
是一个通过计算图的形式来表述计算的编程系统。其中的Tnesor,代表它的数据结构，而Flow代表它的计算模型。TensorFlow中的每一个计算都是计算图上的一个节点，而节点之间的线描述了计算之间的依赖关系。 在TensorFlow程序中，系统会自动维护一个默认的计算图，通过tf.get_default_gragh函数可以获取当前默认的计算图。除了默认的计算图，TensorFlow也支持通过tf
转载
2024-02-29 16:23:52
32阅读
