XML文件关于这个文件格式，其实我接触并不多。 具体介绍见XML文件结构和基本语法 类似的有YAML。为什么要写XML文件最近头疼依然是在做数据集标记，因为原始LableImage工具生成的是XML文件，因为装不上这个工具，所以用Matlab标记了，需要将数据写进XML，和那个工具生成一样的格式。 从同事那里拿来工具生成的标准XML文件，开始有点懵。 标准文件是这个样子：椭圆画出部分是当前图片的基
转载
2024-03-19 17:26:31
47阅读
优点：以FP32到INT8量化为例，模型存储占用减小为1/4；增加数据throughput。 什么是量化：表达式：示意图：为什么不使用线性量化(y=ax+b)？因为线性量化后做乘运算会改变分布。怎么量化：TensorFlow Lite量化：训练后量化和量化训练两种方式。训练后量化方式：过程：1.权重量化. 2.infer校准数据集统计activations的最大最小值以量化activat
转载
2024-03-13 09:37:28
81阅读
在深度网络中，卷积计算应用非常广泛。在图像处理中，卷积计算也就是图像像素矩阵与卷积核之间的点对点相乘在累加的运算，但是在不同的深度学习框架或者平台中，卷积实现的方式有一定的差异，所以我参考一些博客并根据个人的理解整理了Caffe，Tensorflow及Matlab中的卷积实现。首先，三者对于图像卷积的基本原理是相同的，不同的只是在矩阵变换的实现上，先回顾下卷积前后图像矩阵大小的变化。以二维图像矩阵
转载
2024-09-03 17:57:42
33阅读
# PyTorch与TensorFlow对比指南
PyTorch与TensorFlow是目前两个最流行的深度学习框架，各自都有独特的优势与应用场景。因此，针对它们的对比，不仅能够帮助我们理解这两个框架的特点，还能为以后的选择提供依据。本文将为你提供一个完整的对比流程，以及实现代码的详细讲解。
## 对比流程
以下是对比PyTorch和TensorFlow的主要步骤：
| 步骤
原创
2024-09-17 06:11:49
256阅读
1、功能不同Scikit-learn(sklearn)的定位是通用机器学习库，而TensorFlow(tf)的定位主要是深度学习库。一个显而易见的不同：tf并未提供sklearn那种强大的特征工程，如维度压缩、特征选择等。究其根本，我认为是因为机器学习模型的两种不同的处理数据的方式：传统机器学习：利用特征工程(feature engineering)，人为对数据进行提炼清洗深度学习：利用表示学习(
转载
2024-03-26 15:29:31
91阅读
tensorflow1.x和tensorflow2.x对比与总结1. 主要区别有如下几点1.0. 易于使用（Ease of use）1.1. 使用Eager模式（Eager Execution）1.2. 建立模型和部署变得容易（Model Building and deploying made easy）1.3. 简化了Data pipeline（The Data pipeline simpli
转载
2024-02-27 20:12:44
202阅读
# MATLAB和Python对比
在科学计算和数据分析领域，MATLAB和Python都是非常流行的工具。它们都具有强大的数值计算和数据处理能力，并且拥有丰富的库和工具包。这篇文章将对MATLAB和Python进行对比，并给出一些代码示例来说明它们的差异和相似之处。
## 语法和易用性
MATLAB是一种专门为科学计算和数值分析设计的编程语言。它具有简洁而直观的语法，非常适合进行数学计算。
原创
2023-11-17 03:07:36
177阅读
PyTorch 和 TensorFlow近几年一直是深度学习领域的两大热门框架。PyTorch 和 TensorFlow都拥有丰富的API、广阔的用户群体，目前也都广泛用于学术研究和商业应用。我们在学习工作中到底应该选择哪个，这可能是很多初学者与从业者要问的问题。今天我们将从以下几点来帮你更好的进行选择。PyTorch和TensorFlow有什么区别如何根据实际选择最适合的框架我们将从Tensor
转载
2023-06-30 18:37:25
310阅读
文章目录背景：一、tensorflow的训练模式2.2.1 with tf.profiler.experimental.Profile('logdir',options=options): 背景：进行性能分析的过程中，不可避免地在训练的过程中加入相关语句，以输出相应的日志文档，方便后续的性能分析。tensorflow不同于pytorch ,在pytorch中，使用profiling性能分析相对比
转载
2024-03-21 15:27:42
134阅读
使用GPU训练模型前言本文是《pytorch-tensorflow-Comparative study》，pytorch和tensorflow对比学习专栏，第五章—— 使用GPU训练模型。虽然说这两个框架在语法和接口的命名上有很多地方是不同的，但是深度学习的建模过程确实基本上都是一个套路的。所以该笔记的笔记方式是：在使用相同的处理功能模块上，对比记录pytorch和tensorflow两者的API
转载
2024-03-07 14:05:54
128阅读
1.导入tf.keras模块tf.keras是TensorFlow对Keras API（application programming interface应用程序接口）规范的实现。 这是用于构建和训练模型的高级API，它是tensorflow超级重要的模块， tf.keras使TensorFlow易于使用，同时不会牺牲灵活性和性能。一般习惯在电脑里创建一个新的环境：-n_name_python=3
转载
2024-01-14 11:14:39
80阅读
TensorFlow与PyTorch模型部署性能比较前言2022了，选 PyTorch 还是 TensorFlow？之前有一种说法：TensorFlow 适合业界，PyTorch 适合学界。这种说法到 2022 年还成立吗？从模型可用性、部署便捷度和生态系统三个方面对比了两个框架的优缺点，针对不同身份的读者给出了不同的选择建议。模型可用性对比：PyTorch 胜出
在模型可用性方面，PyTorch
转载
2023-07-27 18:01:06
30阅读
八大机器学习框架的对比：(1) TensorFlow：深度学习最流行的库之一，是谷歌在深刻总结了其 前身 DistBelief 的经验教训上形成的；它不仅便携、高效、可扩 展，还能再不同计算机上运行:小到智能手机，大到计算机集群都 能；它是一款轻量级的软件，可以立刻生成你的训练模型，也能 重新实现它；TensorFlow 拥抱创新，有强大的社区、企业支持， 因此它广泛用于从个人到企业、
转载
2024-03-26 14:24:34
45阅读
1、安装anaconda32、安装Python虚拟环境tensorflow21新建带有tensorflow的python环境，避免与原有python环境混乱。1)Python创建虚拟环境conda create -n tensorflow21 python=3.7.02)查看当前存在哪些虚拟环境conda env list
conda info -e3)激活虚拟环境activate tensor
转载
2024-01-28 05:33:06
342阅读
TensorRT一、简介TensorRT 是一个深度学习模型线上部署的优化引擎，即 GPU Inference Engine。Tensor 代表张量，即数据流动以张量的方式，如4维张量 [N, C, H, W]。RT表示 runtime。 一般情况如上图，线下构建网络结构，训练好模型，然后在实际业务中线上部署到对实时性要求较高（latency敏感）的场景，如一般的嵌入式设备，云端等等。实际应用中，
转载
2024-04-01 12:04:38
744阅读
配置成功版本：win10 x64+GTX 950M+CUDA 10.0+cudnn v7.6.5+Anaconda 3.5+Tensorflow1.14注意：需要安装VS 2015及以上版本 虽然现在tensorflow 2.x 已经出了，相比1.x 功能更好，对于新手来说更容易入门，但网络上关于1.x的资源也很多，所以也还在使用，本文主要介绍
转载
2024-04-03 07:26:40
226阅读
套索工具（套索工具亦可以进行布尔运算，即选区的加减）①消除锯齿：一般抠图要勾选 ②宽度：（套索工具离图形边界的距离）该值决定了以光标中心为基准，以设置的数值为半径，其整个圆周围有多少个像素能够被工具检测到，来进行自动识别边界。边界清晰时可以设置数值高一点。 ③对比度：（图形边界颜色之间的对比，边界颜色越清晰，设置的对比度要越高，如果边界有两种相近的颜色，即边界不清晰，需要设置低一点的对比度，这样它
转载
2024-09-18 14:12:48
61阅读
正式进入TensorFlow2.0模块TensorFlow2.0 基础部分TensorFlow2.0 数值类型TensorFlow2.0 的张量类型有：标量（单个实数） 如1、2、3 等 维度数（秩）为0，shape为[]向量（n个实数的有序集合）通过中括号包裹 如[1,2] 维度数为1，长度不定，shape为[n]矩阵 n行m列实数的有序集合，如[[1,2],[3,4]]，维度数为2，shape
转载
2024-05-29 20:23:20
35阅读
距离Tensorflow的1.2.1版本发布才过去一个月，但新发布的1.3版本已经包含了诸多更新。开发者可以在Tensorflow Github页找到完整的发布报告。本文则会概述开发者在升级到1.3版本之前和之后应知晓的最重要变化。从cuDNN 5.1到cuDNN 6开发者要从1.2.1升级到1.3，还需要升级系统中的cuDNN版本。1.3的编译版本是用NVIDIA的cuDNN 6编译的，而1.2
转载
2024-02-23 23:26:55
358阅读
功能组件（数据管道、回调函数、特征列处理）前言本文是《pytorch-tensorflow-Comparative study》，pytorch和tensorflow对比学习专栏，第三章——功能组件（数据管道、回调函数、特征列处理部分）。虽然说这两个框架在语法和接口的命名上有很多地方是不同的，但是深度学习的建模过程确实基本上都是一个套路的。所以该笔记的笔记方式是：在使用相同的处理功能模块上，对比记
转载
2024-03-21 17:50:39
290阅读
