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
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
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
循环神经网络循环神经网络（Recurrent Neural Network, RNN）是一种适宜于处理序列数据的神经网络，被广泛用于语言模型、文本生成、机器翻译等。常用模型结构定义循环神经网络层APISimpleRNN、LSTM、GRUimport tensorflow as tf1.SimpleRNNVanilla RNNtf.keras.layers.SimpleRNNRNN主要参数说明：un
转载
2024-07-04 22:23:44
111阅读
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
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
VGGNet探索了卷积神经网络的深度与性嫩之间的关系，通过反复堆叠3×3的卷积核和2×2的池化层构建了16层的卷积神经网络。由上图所知，VGG一共有五段卷积，每段卷积之后紧接着最大池化层，作者一共实验了6种网络结构。分别是VGG-11，VGG-13,VGG-16,VGG-19，网络的输入是224*224大小的图像，输出是图像分类结果。下面我们主要针对tensorflow
转载
2024-03-28 14:08:14
69阅读
1. 对抗网络GAN的网络结构对抗网络包含了2个子网络：生成网络（Generator，G）和判别网络（Discriminator，D），其中生成网络负责学习样本的真实分布，判别网络负责将生成网络采样的样本与真实样本区分开来。2. 对抗网络GAN的训练方法对于判别网络 D，它的目标是能够很好地分辨出真样本??与假样本??。以图片生成为例，它的目标是最小化图片的预测值和真实值之间的交叉熵损失函数：??
tensorflow2.0基础二一、查看版本import tensorflow as tf
print("TensorFlow版本是：",tf.__version__)
#显示Tensorflow版本，注意：是两个下划线区别一：输出数值#tensorflow输出节点数值时要使用一个会话
#tensorflow2.0版本可以使用numpy()方法，以下是使用numpy（）方法输出数值
import
转载
2024-03-21 07:40:10
201阅读
前一节介绍了一些最基本的概念和使用方法。因为我个人的最终目的还是在深度学习上，所以一些深度学习和机器学习模块是必须要了解的，这其中包括了tf.train 、tf.contrib.learn、还有如训练神经网络必备的tf.nn等API。这里准备把常用的API和使用方法按照使用频次进行一个排列，可以当做一个以后使用参考。这一节介绍的内容可以有选择的看
转载
2024-08-06 14:20:28
57阅读
最新tensorflow采用了keras封装，和古早写法相比变化很大，但是用起来确更加方便了，恰逢最近需要倒腾tensorflow，所以记录一下。这是一个系列文章，将从浅入深地介绍新的tensorflow的用法，文章列表： 林青：学习tensorflow(00)--从源代码编译tensorflowzhuanlan.zhihu.com
林青：学习tensorfl
转载
2024-04-04 11:35:31
42阅读
一、概述本博文基于tensorflow的官方指南，演示一个基本分类的例子，环境为win10+spyder3.3.3+python3.6，直接上代码。 二、代码与运行结果1、导入依赖库# TensorFlow and tf.keras
import tensorflow as tf
from tensorflow import keras
# Helper libraries
impor
1.Tensorflow基础关于TensorflowTensorFlow™ 是一个采用数据流图（data flow graphs），用于数值计算的开源软件库。节点（Nodes）在图中表示数学操作，图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）。它灵活的架构让你可以在多种平台上展开计算，例如台式计算机中的一个或多个CPU（或GPU），服务器，移动设备等等。数据流图
转载
2024-06-20 21:15:17
34阅读
我主要分三篇文章给大家介绍tensorflow的损失函数，本篇为tensorflow自定义损失函数。 （一）tensorflow内置的四个损失函数 （二）其他损失函数 （三）自定义损失函数自定义损失函数是损失函数章节的结尾，学习自定义损失函数，对于提高分类分割等问题的准确率很有帮助，同时探索新型的损失函数也可以让你文章多多。这里我们介绍构建自定义损失函数的方法，并且介绍可以均衡正负例的los
自己开发了一个股票智能分析软件，功能很强大，需要的点击下面的链接获取：1.1 模型和层1.1.1 简介层：就是将输入数据和变量之间进行计算的方法，可以理解为一个个函数。tf.Keras.layers中包含了大量的深度学习中常用的预定义层，也可以自定义层。模型：则是将各种层进行组织和连接，封装
转载
2024-09-16 19:27:11
11阅读
tensorflow提供了三种不同的加速神经网路训练的并行计算模式（一）数据并行：（二）模型并行：（三）流水线并行：主流深度学习框架对比（2017）：第一章Tensorflow实现Softmax Regression识别手写数字 这是深度学习领域一个非常简单的hello world式的项目：数据集：28x28像素的手写数字组成。1.在导入mnist 数据集时，会碰到一系列的问题，在这里做
