linux tensorflow的c++API的编译和测试一、linux下tensorflow版本的对应需求二、下载所需软件三、环境搭建1、anaconda安装及使用2、CUDA cuDNN安装CUDA安装cuDNN安装3、安装部分软件4、Bazel安装安装Bazel设置环境四、编译tensorflow1、运行./configure2、编译tensorflow c++ API3、编译其他依赖5、测
实例5：演示session使用# -*- coding: utf-8 -*-
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!') #定义一个常量
sess = tf.Session() #建立一个session
print (sess.run(hello))
转载
2024-04-25 20:40:51
69阅读
首先，我觉得这是一个比较DT的活，因为，tensorflow支持最好的编程语言应该是python(应该说大部分深度学习框架支持的最好的语言都是Python)，tensorflow的底层说是C/C++编写的，但是，感觉它对C/C++真的很不友好，有关Python的资料一查一大把，有关C/C++的一查寥寥无几，能看到的还有很多直接就照搬官网的那点少到可怜的例子...由于我可能会比较多的用C/C++来开
转载
2024-05-25 08:38:27
85阅读
前几天Google的IO大会上发布的ML Kit，ML Kit为端上部署深度学习模型提供了一套完整的解决方案，本地运行、云端都支持。里面本地部署用到的就是Tensorflow lite。Tensorflow Lite是在Google去年IO大会上发表的，目前Tensorflow Lite也还在不断的完善迭代中。Tensorflow Lite在Android和iOS上部署官网有比较详细的介绍已经对应
转载
2024-03-14 20:44:25
357阅读
1评论
介绍之前的博客中，翻译过 Go 语言可以通过 Tensorflow 的 go 客户端进行操作，但是其中有两个问题很容易在编码时遇到下面的问题。Scope：每次调用定义操作的函数时，Go API 并不会自动生成新的节点名称。会出现panic: failed to add operation "Placeholder": Duplicate node name in graph: 'Placehold
转载
2024-06-28 19:23:46
57阅读
TensorFlow是谷歌基于DistBelief进行研发的第二代人工智能学习系统，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，TensorFlow为张量从流图的一端流动到另一端计算过程。TensorFlow是将复杂的数据结构传输至人工智能神经网中进行分析和处理过程的系统。TensorFlow可被用于语音识别或图像识别等多项机器深度学习领
转载
2024-05-27 15:08:22
98阅读
Tensorflowlite 部署到 arm开发板一 先在本机上操作1 下载TensorFlow下载依赖2 准备ARM的交叉编译环境2.1 下载安装包2.2 解压安装包2.3 配置环境变量2.4 查看编译器版本3 交叉编译生成静态库4 官方Demo ：label_image的编译4.1 整理头文件4.2 cmake ,make 进行编译二 在开发板上操作 一 先在本机上操作本机：Ubuntu18
转载
2023-12-20 09:59:02
234阅读
Inception-v3模型结构：Inception-v3简介：
1.基于大滤波器尺寸分解卷积
在视觉网络中，预期相近激活的输出是高度相关的。因此，我们可以预期，它们的激活可以在聚合之前被减少，并且这应该会导致类似的富有表现力的局部表示。
全卷积网络 减少计算可以提高效率
2.分解到更小的卷积
5×5换2个3×3
一·GPU版本前言，2.10和2.11都缺少很多DLL文件，而且找不全，2.12解压就会出现问题，2.8是我目前发现的能用的版本了，全部一模一样复刻。今天是7月26号，GPU只有2.10版本之前的，2.11和2.12只有CPU版本，我居然才知道，痛苦面具。结论tensorflow2.8.0 配合 cuda 11.8 +cudnn8.9 可行！1.1. GPU三个要求第一 cuda to
TensorFlow数据读取方式：Dataset APIDatasets：一种为TensorFlow 模型创建输入管道的新方式。把数组、元组、张量等转换成DatasetV1Adapter格式Dataset api有方法加载和操作数据，并将其输入到您的模型中。Dataset api与Estimators api很匹配。下图是tensorflow API的完整架构图：Datasets API是由以下图
tensorflow 代码 介绍：(Introduction:)Learning to develop Deep Learning models is not an easy task to accomplish — especially for those who may not have serious experience in the field. When beginning to l
一、利用tensorflow输出hello worldimport tensorflow as tf
def main():
opertion_me = tf.constant("Hello world")
with tf.Session() as sess:
print(sess.run(opertion_me).decode())
if __name__=="_
组成TendorFlow Lite转换器：用于将已经存在的模型转换为TensorFlow Lite兼容的模型(.tflite)，并将训练的模型保存在硬盘上。还可以在移动或者嵌入式应用程序中使用提前训练的模型Java/C++ API：用于载入.tflite模型并调用解释器。Java API是在C++ API上进行的封装，只能应用在Android系统。解释器和内核：内核帮助解释器根据选择载入...
原创
2023-01-06 10:07:47
310阅读
Tensorflow 2.0基础知识1.创建Tensorimport tensorflow as tftf.constant tensorflow 支持常见的bool string float double类型数据#声明一个tf的常量（数）
a = tf.constant(1,dtype=tf.float32)
#声明一个tf的常量（矩阵）
a = tf.constant([1,2],dtype=
在正式学习tensorflow2.0之前需要有一定的python基础，对numpy，matplotlib等库有基本的了解，笔者还是AI小白，通过写博客来记录自己的学习过程，同时对所学的东西进行总结。主要学习资料西安科技大学：神经网络与深度学习——TensorFlow2.0实战，北京大学：人工智能实践Tensorflow笔记。TensorFlow2.0学习笔记(1)——Numpy科学计算库1.多为
文章目录TensorFlow Lite 做了什么？将一个模型用 TensorFlow Lite 转换训练一个简易模型保存模型转换模型加载 TFLite 模型并分配张量进行预测将在猫狗大战数据集上进行迁移学习的 MobileNetV2 转换到 TensorFlow Lite将模型转换到 TensorFlow Lite优化模型References TensorFlow Lite 是一种用于设备端推断
转载
2024-04-11 14:21:35
142阅读
今年三月底，我们在 YouTube 上开通了 TensorFlow 视频频道，今天，我们为大家带来 TensorFlow 频道「Coding TensorFlow 系列」的中文演讲视频，这个系列将会带领大家一起做有关机器学习的编程，并使用 TensorFlow 实现 AI。我们将于本周一、三、五更新「Coding TensorFlow 系列」的前三个中文视频，并将在 TensorFlow 微信公众
转载
2024-08-20 19:36:04
209阅读
使用tensorflow lite部署模型1.转换成tflite文件2.跑通官方demo3.连接手机调试4.更换自己的模型 这里放一个小伙伴的共识：tensorflow的版本兼容就是个大坑，不要靠近，会变得不幸。本来我不信邪，现在我只想说，不要用奇奇怪怪的tf模型转tflite,非要转就用常见的吧，呜呜呜。 这是一篇未成功的tensorflow lite踩坑记录，我打算转战onnx
转载
2024-04-29 18:44:05
284阅读
Tensorflow教程笔记基础TensorFlow 基础TensorFlow 模型建立与训练基础示例：多层感知机（MLP）卷积神经网络（CNN）循环神经网络（RNN）深度强化学习（DRL）Keras Pipeline自定义层、损失函数和评估指标常用模块 tf.train.Checkpoint ：
原创
2021-07-16 17:34:55
1266阅读
# TensorFlow Lite与TensorFlow架构实现指南
TensorFlow Lite是一个轻量级解决方案，使你能够在移动设备或边缘设备上运行TensorFlow模型。本文将指导刚进入开发领域的你如何利用TensorFlow和TensorFlow Lite实现模型架构。我将为你提供整个流程的概述，并逐步解释每个步骤所需的代码。
## 1. 流程概述
我们将以下过程分为四个主要步
