TensorFlow编程结构 TensorFlow 与其他编程语言非常不同。 首先通过将程序分为两个独立的部分，构建任何拟创建神经网络的蓝图，包括计算图的定义及其执行。起初这对于传统程序员来说看起来很麻烦，但是正是图定义和执行的分开设计让 TensorFlow 能够多平台工作以及并行执行，Tenso
转载
2021-01-27 09:50:00
57阅读
2评论
深度学习 | Tensorflow2.0函数式建模Tensorflow2.0主要支持3种建模方式，分别为tf.keras.models.Sequential()， 适合比较简单的网络，前一层输出是后一层输入。class mymodel(tf.keras.models.Model), 继承Model父类的方法，通过super(), call()等方法实现子类的方法。函数式API，自定义Input_l
转载
2024-04-16 10:43:49
58阅读
Tensorflow的框架介绍一张思维导图介绍本文大概内容· Tensorflow的整体结构以及数据流图结构分析一个构建图阶段：定义数据（张量Tensor）和操作（节点OP） 一个执行图阶段：调用各方面资源，将定义好的数据和操作运行起来图的结构图就是包含了一组tf.operation代表的计算单元对象和tf.Tensor代表队计算单元之间的流动数据。 简单来说 Tensorflow = Tenso
转载
2023-11-03 12:05:43
92阅读
目录模型建立方式函数式序列式模型训练方式直接法简易法model.compile()model.fit()model.predict()model.evaluate()卷积输出 = tf.keras.layers.Conv2D(参数)(输入)反卷积tf.keras.layers.Conv2DTranspose()池化输出 = tf.nn.max_pool(input, ksize=[1, heig
转载
2024-05-31 21:40:09
70阅读
import tensorflow as tf
import numpy as np
import os
#%% fileos
def get_files(file_dir):
cats =[]
label_cats = []
dogs = []
label_dogs =[]
转载
2024-02-13 15:02:24
56阅读
TensorFlow代码结构优化tips一、变量管理在模型的前向传播的过程中，将前向传播定义为：def inference(input_tensor, avg_class, weights1, biases1, weights2, biases2)从上面定义可以看出，这个函数的参数包括了神经网络中的所有参数。然而，当神经网络的结构更加复杂、参数更多的时间，就需要一个更好的方式来传递和管理参数了。T
转载
2024-04-09 12:12:32
57阅读
目录概述Sample示例GPU设备创建计算图创建与执行概述本文基于Tensorflow r1.15源码 链接 通过Sample示例，重点分析计算图创建与执行的内部原理。Sample示例import tensorflow as tf
x1 = tf.placeholder(tf.float32, shape=(2, 2))
y1 = tf.placeholder(tf.floa
转载
2024-04-09 18:24:55
42阅读
本篇文章主要介绍TensorFlow的基本概念，包含TensorFlow的计算模型、数据模型和运行模型。◆ ◆ ◆ ◆ ◆TensorFlow计算模型——计算图 计算图的概念TensorFlow的名字中已经说明了最重要的两个概念——Tensor（张量）和Flow（流）。TensorFlow是通过一个计算图的形式来表达计算的编程系统。TensorFlow
转载
2024-03-29 11:24:30
57阅读
TensorFlow机构总览
一、架构概览TensorFlow 的系统结构以 C API 为界,将整个系统分为前端和后端两个子系统：前端系统:提供编程模型,负责构造计算图；后端系统:提供运行时环境,负责执行计算图，后端系统的设计和实现可以进一步分解为 4 层； 1. 运行层:分别提供本地模式和分布式模式,并共享大部分设计和实现; 2. 计算层:由各个
转载
2024-03-01 20:28:53
14阅读
全文共8094字，预计学习时长30分钟或更长 图片来源：pexels.com/@pixabayTensorFlow是谷歌2015年开源的通用高性能计算库。最初主要是为构建神经网络(NNs)提供高性能的API。然而，随着时间的推移和机器学习(ML)社区的兴起，TensorFlow已经发展为一个完整的机器学习生态系统。 TensorFlow自诞生以来变化巨大。TensorFlow 2.0目前处于测试阶
在做项目的过程中需要实现物体实时识别的功能，因此上网找了很多材料。现有的一些博客都是基于tensorflow1的代码，然而tensorflow的GitHub上的源码及模型已经更新成tensorflow2的版本了，我改了一下代码上传到了我GitHub上，希望对大家有所帮助。环境Windows10, Anaconda3, VS2015, Python3.7, TensorFlow2.0, OpenCV
本节主要讲一下Tensorflow的2可视化结构TensorBoard的使用。以数据集简单分类为例：import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
#载入数据集
mnist = input_data.read_data_sets("MNIST_data",one_hot=True)
转载
2024-03-03 07:53:03
82阅读
Tensorflow入门：数据结构和编程思想引言： 最近tensorflow很火，看到国内都有不少人开始玩起来了，自己最近有些想法想玩玩，于是开始入门搞一下，因为自己只有一个台式电脑，于是就装了个cpu版的tensorflow，安装过程挺顺利，一两句命令搞定，最后遇到过glibc的版本问题，直接升级了Ubuntu版本就好了。 于是，开始入门了。下面是我学习的笔记，水平有限，如有不对，敬请指教。
转载
2024-06-17 15:55:21
43阅读
Tensorflow是Google2015年11月9日开源的人工智能系统，也是适合我们进行机器学习开发的常用开发框架，具备更好的灵活性和可延展性。TensorFlow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，从手机、单个CPU / GPU到成百上千GPU卡组成的分布式系统。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
转载
2024-03-19 10:01:00
53阅读
TensorFlow笔记二@Author：LF @Date：2017-12-26一、数据结构——张量TensorFlow由Tensor和flow组成。Tensor即张量，是框架中的数据结构。张量可以理解成多维数组，个人理解成和基本数据类型没有什么不同。而flow就是它的计算类型，是以流的形式。因为TensorFlow的基本计算模型是图，图中由节点和边构成，而节点即是张量，边则是计算过程。具体如图
转载
2023-12-15 05:34:28
44阅读
1 TensorFlow 架构图1.1 处理器TensorFlow 可以在CPU、GPU、TPU中执行1.2 平台TensorFlow 具备跨平台能力，Windows 、Linux、Android、IOS、Raspberry Pi、云端执行1.3 分布式执行引擎TensorFlow Distributed Execution Engine 分布式执行引擎在深度学习中，最花时间的就是模型的训练，尤其
转载
2024-03-21 13:59:15
57阅读
目录1.背景2.LeNet-5网络实现手写数字识别2.1.LeNet-5介绍2.2.程序实现（tensorflow版）1.背景图像分类，根据各自在图像信息中所反映的不同特征，把不同类别的目标区分开来的图像处理方法。它利用计算机对图像进行定量分析，把图像或图像中的每个像元或区域划归为若干个类别中的某一种，以代替人的视觉判读。2.LeNet-5网络实现手写数字识别2.1.LeNet-5介绍LeNet-
转载
2024-04-23 15:14:22
11阅读
tensorflow/tensorflow/该目录下存放着tensorflow的核心代码contrib/该目录下存放有其他项目贡献者添加的相关贡献代码。由于tensorflow受关注程度较高，目前该目录正急剧膨胀。core/后台C++实现部分。包含了主要的 C++代码 和 runtimes 。该目录为tensorflow的C++源码的核心。common_runtime/tensorflow 普通的
转载
2024-05-29 20:21:16
84阅读
一、引言经过一段时间tensorflow的学习，对全连接神经网络代码的框架有了一定的了解。通过dropout实验来解析代码结构。二、代码释义1、定义神经网络层def add_layer_dropput(input, in_size, out_size,keep_prob = None,activation_function=None):
Weights = Variable(random_
转载
2024-08-28 16:23:13
120阅读
一、构建网络的第二种方式通过输入层和输出层来构建网络，网络包含输入和输出中间的隐藏层，这会返回一个Model对象，通过该对象可以调用model.compile和model.fit函数，非常方便。import tensorflow as tf
import tensorflow.keras.layers
x = layers.Input(shape=(784,)) # 输入层，shape可自己定
转载
2024-04-04 19:24:24
85阅读
