系列文章目录第二章 TensorFlow 深度学习入门之 TensorFlow的核心概念目录系列文章目录文章目录前言一、三种计算图之间的关系二 、静态计算图1 TensorFlow1.0 中的静态计算图2 TensorFlow2.0 中的静态计算图三、 动态计算图四、TensorFlow2.0的Autograph前言计算图由节点(nodes)和线(edges)组成。
转载
2024-04-18 09:20:36
25阅读
图像操作图像基本概念在图像数字化表示当中，分为黑白和彩色两种。在数字化表示图片的时候，有三个因素。分别是图片的长、图片的宽、图片的颜色通道数。那么黑白图片的颜色通道数为1，它只需要一个数字就可以表示一个像素位；而彩色照片就不一样了，它有三个颜色通道，分别为RGB，通过三个数字表示一个像素位。TensorFlow支持JPG、PNG图像格式，RGB、RGBA颜色空间。图像用与图像尺寸相同(height
转载
2024-03-02 09:04:36
37阅读
目前神经网络框架分为静态图框架和动态图框架，PyTorch 和 TensorFlow、Caffe 等框架最大的区别就是他们拥有不同的计算图表现形式。 TensorFlow 使用静态图，这意味着我们先定义计算图，然后不断使用它，而在 PyTorch 中，每次都会重新构建一个新的计算图。他们之间的区别和差异如下:： &nbs
一、学习率使用TensorFlow训练一个模型时，我们需要通过优化函数来使得我们训练的模型损失值达到最小，常用的优化算法有随机梯度下降、批量梯度下降，而在使用优化算法的时候，我们都需要设置一个学习率（learning rate），而学习率的设置在训练模型的时候也是非常重要的，因为学习率控制了每次更新参数的幅度。如果学习率太大就会导致更新的幅度太大，就有可能会跨过损失值的极小值（不说最小值的原因，是
文章目录前言介绍搭建静态图搭建动态图 前言随着TensorFlow 1.4 Eager Execution的出现，TensorFlow的使用出现了革命性的变化。介绍我很早就听说过这样一句话：对于深度学习框架来说，在学术界中，PyTorch更受欢迎，在工业界中，Tensorflow更受欢迎。当时很不解，后来才知道，究其原因，不是因为PyTorch生态比Tensorflow优秀，是因为早期的PyTo
转载
2024-06-07 20:23:11
106阅读
TensorFlow2.0的动态图和静态图切换 part 2在part1中，我们学习了如何使用tf.function将python函数转换成tf的静态图，也学习了转换时创建一个状态(tf.Variable)可能出现的问题以及解决办法。在第二部分，我们将尝试传入一个tf.Tensor，而不是tf.Variable，来确定转换是否和我们想象的一样。tf.function使用AutoGraph为了更清晰
转载
2024-04-16 11:28:29
75阅读
网上很少有Deepcompress的实现源码，前一段时间使用TensorFlow实现了一下，还是有些问题值得注意。TensorFlow的局限性TensorFlow支持的是一种静态图，当模型的参数确定之后，便无法继续修改。这对于逐阶段、分层的训练带来了一定的困难。具体在本项目中，权重的固定无法在单次模型训练中进行逐层的设置，只能采取一种比较麻烦的方法：量化完某一层后，先保存全局模型权重，然后清空Te
转载
2024-10-20 17:57:10
32阅读
接触过TensorFlow v1的朋友都知道，训练一个TF模型有三个步骤：定义输入和模型结构，创建tf.Session实例sess，执行sess.run()启动训练。不管是因为历史遗留代码或是团队保守的建模规范，其实很多算法团队仍在大量使用TF v1进行日常建模。我相信很多算法工程师执行sess.run()不下100遍，但背后的运行原理大家是否清楚呢？不管你的回答是yes or no，今天让我们一
原创
精选
2022-11-11 10:18:54
246阅读
文章目录TensorFlow 是什么TensorFlow架构Graphtf.constant 本文tensorflow 版本1.12(先介绍1.x的版本，后面再学2.x的版本) TensorFlow 是什么TensorFlow 是一个开源的、基于 Python 的机器学习框架，它由 Google 开发，并在图形分类、音频处理、推荐系统和自然语言处理等场景下有着丰富的应用，是目前最热门的机器学习框
转载
2024-04-02 22:13:10
23阅读
import numpy as npimport tensorflow as tfimport osfrom tensorflow.python.framewor.array([1., 3., 5., 7., 9.])
原创
2022-07-09 00:13:20
67阅读
前言 TensorFlow程序通常被组织成一个构建图阶段和一个执行图阶段 在构件阶段，数据（张量Tensor）与操作（节点op）的执行步骤被描述成一个图； 在执行阶段，使用会话（Session）执行构建好的图中的操作，图必须在会
转载
2024-05-17 14:58:59
85阅读
什么是计算图？基于TensorFlow这个编程系统中的每一个计算都是计算图上的一个节点，而节点与节点之间的连线则代表计算之间的依赖关系。 以一个最简化的计算图来说明： 上图中，a，b代表一个节点，add也是一个节点，只是它参与了计算的工作。而这个简单的运算，我们需要在一个图中运行，而要想使用这张图，我们就要用到熟悉的sess.run()会话操作来运行。 参考：https://www.jianshu
转载
2024-08-19 20:35:24
13阅读
目录 图像基本概念图像基本操作图像基本操作API图像读取API狗图片读取CIFAR-10二进制数据读取TFRecordsTFRecords存储TFRecords读取方法 图像基本概念在图像数字化表示当中，分为黑白和彩色两种。在数字化表示图片的时候，有三个因素。分别是图片的长、图片的宽、图片的颜色通道数。那么黑白图片的颜色通道数为1，它只需要一个数字就可以表示一个像素位；而彩色照片就不一样了，
转载
2024-05-17 15:00:03
97阅读
作者丨stephenDC编辑丨zandy什么是计算图？一个机器学习任务的核心是模型的定义以及模型的参数求解方式，对这两者进行抽象之后，可以确定一个唯一的计算逻辑，将这个逻辑用图表示，称之为计算图。计算图表现为有向无环图，定义了数据的流转方式，数据的计算方式，以及各种计算之间的相互依赖关系等。计算图的基本组成TensorFlow的计算图粒度比较细，由节点和有向边组成（后来也加入了层）。相比之下，腾讯
前言 图像处理的Python库：OpenCV、PIL、matplotlib、tensorflow等，本篇主要使用 tensorflow 来对图像进行格式转换、大小重置、剪切或填充、旋转、颜色转换、图像调整、加噪音。tensorflow版本：1.9本篇代码可见：Github一、读取图像API：tf.read_file(filename, name=None)
filename：路径
name：操作
转载
2023-12-10 07:54:55
125阅读
计算图是Tensorflow一个基本概念，Tensorflow中的所有计算都会被转化为计算图上的节点。Tensorflow中的每一个计算都是计算图上的一个节点，而节点之间的边描述了计算之间的依赖关系。如下图所示 MatMul矩阵相乘运算依赖张量w,x。Tensorflow的程序可以分为两个阶段，第一阶段需要定义计算图中所有的计算，第二节阶段为执行计算。定义计算的样例如下import tensor
转载
2024-04-13 10:57:37
55阅读
一、什么是图 TensorFlow程序通常被组织成一个构建阶段和一个执行阶段. 在构建阶段, op的执行步骤被描述成一个图. 在执行阶段, 使用会话执行执行图中的op。我们来构建一个简单的计算图。每个节点采用零个或多个张量作为输入，并产生张量作为输出。一种类型的节点是一个常数。像所有TensorFlow常数一样，它不需要任何输入，它输出一个内部存储的值。我们
转载
2024-02-24 17:56:50
28阅读
TensorFlow 源码 截止到目前为止，TensorFlow 在 【Github】 的 Contributors 已经接近900人，Fork 30000次。 学习这么庞大的开源项目，首先必须要搞清楚其代码组织形式，我们先来看目录结构： &nb
转载
2024-05-22 11:11:10
40阅读
主要内容：TensorFlow的计算模型、数据模型和运行模型。1、TensorFlow计算模型—计算图计算图是TensorFlow中最基本的一个概念，TensorFlow中的所有计算都会被转化为计算图上的节点。计算图是用来描述TensorFlow中的计算。计算图概念Tensor: 张量，张量可以被简单理解为多维数组。Flow: 中文表示为“流”，直观地表达了张量之间通过计算相互转化的过程。Tens
转载
2024-04-09 18:22:54
51阅读
基本使用使用图（graph）来表示计算任务激活会话（Session）执行图使用张量（tensor）表示数据定义变量（Variable）使用feed可以任意赋值或者从中获取数据，通常与占位符一起使用1、综述 Tensorflow是一个开源框架，使用图来表示计算任务，图中的节点被称作op(operation)，一个op获得0个或者多个Tensor，执行计算，产生0个或者多个Tensor，每个tens
转载
2024-07-22 18:29:08
67阅读
