神经网络像一个黑盒，我们无法解释清楚单个权重或偏置对输出的影响，但如果我们可以得到权重和偏置在训练过程中的变化趋势，对它们有一个宏观认识，也是不错的。运用summary就可以实现上述目的，具体如下： 1、定义summary，如 mean=tf.reduce_mean(w1)
stddev=tf.sqrt(tf.reduce_mean(tf.square(w1-mean)))
tf.summar
转载
2024-04-02 10:49:24
69阅读
基于tensorflow实现线性回归的模型训练预测import numpy as np
import matplotlib.pyplot as plt
import tensorflow as tf
if __name__ == '__main__':
with tf.Graph().as_default():
# 一、执行图的构建
# a. 定义占位符
转载
2024-04-28 09:44:35
107阅读
这一节将比较仔细的讲述一个比较重要的知识，就是模型的保存和加载。我们都知道深度学习模型在训练一些大数据集的时候往往需要很长的时间，如果这时候突然断网了或者停电了，那训练不就GG了吗？如果我想再次使用这个模型,难道要重新来过？当然不。在Tensorflow2.0中官方提供了多种模型保存和加载的方式，我们可以训练一定次数进行保存方便下次打开代码时接着进行训练，听起来是不是十分方便呢？接下来让我们来看一
转载
2024-04-08 13:21:06
36阅读
一、线性回归原理 根据数据建立回归模型，w1x1+w2x2+……+wnxn+b = y，通过真实值与预测值之间建立误差，使用梯度下降优化得到损失最小对应的权重和偏置。最终确定模型的权重和偏置参数。最后可以用这些参数进行预测。 二、实现方式 该部分采用python编程语言实现线性回归，用pycharm导入tensorflow环境，编写完成后，并执行代码，用anaconda prompt命窗口，用ac
转载
2024-03-07 13:30:16
266阅读
一、简介 上一篇中我们较为详细地铺垫了关于RNN及其变种LSTM的一些基本知识，也提到了LSTM在时间序列预测上优越的性能，本篇就将对如何利用tensorflow，在实际时间序列预测任务中搭建模型来完成任务，若你对RNN及LSTM不甚了解，请移步上一篇数据科学学习手札39; 二、数据说明及预处理2.1 数据说明 我们本文使用到的第一个数据来自R中自带的数据集AirPassengers
转载
2024-03-26 11:21:16
28阅读
介绍本系列将介绍如何在阿里云容器服务上运行Kubeflow, 本文介绍如何使用TensorFlow Serving加载训练模型并且进行模型预测。TensorFlow Serving简介TensorFlow Serving是Google开源的一个灵活的、高性能的机器学习模型服务系统，能够简化并加速从模型到生产应用的过程。它除了原生支持TensorFlow模型，还可以扩展支持其他类型的机器学习模型。在
转载
2024-05-10 18:46:39
53阅读
（说明下，本篇的源码有点问题导致预测的温度有问题，请继续往后面的章节看，有原因和解决办法）一、前言最近人工智能、深度学习又火了，我感觉还是有必要研究一下。三年前浅学了一下原理没深入研究框架，三年后感觉各种框架都成熟了，现成的教程也丰富了，所以我继续边学边写。原教程链接：第一章：tensorflow安装与简介课程简介_哔哩哔哩_bilibili所以准备出个系列的教程，给不耐烦看视频或者只是想浅了解一
转载
2024-08-21 11:00:36
26阅读
该数据集包含14个不同的特征，例如气温，大气压力和湿度。 获取数据from __future__ import absolute_import, division, print_function, unicode_literals
try:
# %tensorflow_version only exists in Colab.
%tensorflow_version
转载
2024-02-26 06:32:18
68阅读
数据概览与任务描述： 数据集是精简排序过的，我们唯一需要用到的属性就是[‘Lane 1 Flow (Veh/5 Minutes)’]。 任务就是用前12个连续时刻的状态数据[St0,St1,…,St11]预测第13个时刻的状态pSt12。数据集处理我就min-max归一化了一下，没特别处理。其中lags=12就是时间步，也就是time_step，所有数据都被我做成了三维的矩阵，与LSTM的输入输出
转载
2024-03-26 08:13:58
26阅读
Tensorflow_demo1. Tensorflow 基本细节2. demo 本文介绍了tensorflow的一些基本知识，并以tensorflow官方提供的demo为例，讲解tensorflow_v2.6搭建模型，并训练模型的大致过程。 同时对其中涉及到tensorflow api和其他知识点进行了详细解读。 1. Tensorflow 基本细节tensorflow Tensor 的通道
转载
2024-03-27 20:12:30
67阅读
第一部分： 网站运营时间长了之后，或者引入的一些图片的链接失效了等等原因，不可避免的会出现图片加载失败的情况。这样给用户的体验非常不好，并且如果前端开发人员在设置img的css属性不当时，对页面的整体布局也会造成极大的影响。 比如，一个图片连接失效，即使我们添加了alt属性，让用户知道这是什么图片，但是显然体验也是极为糟糕的，如下所示： 那么有什么好的方法可以解决这
转载
2024-09-05 08:11:54
22阅读
文章目录引言基于Keras Sequential API搭建模型基于Keras 函数API搭建模型简单实例多输入实例多输出实例子类化API参考 引言TensorFlow提供了多种API，使得入门者和专家可以根据自己的需求选择不同的API搭建模型。基于Keras Sequential API搭建模型Sequential适用于线性堆叠的方式搭建模型，即每层只有一个输入和输出。import tenso
转载
2024-03-15 05:22:44
74阅读
今天的课程是本周的最后一节了，大家坚持一下！今天的内容是模型的保存与加载，深度学习模型我们目前学习了两种：keras模型与自定义模型（keras模型，自定义模型）；模型的保存与加载老师的github中给出了三种方法，下面我们就通过今天的打卡作业来梳理一下这些方法如何使用以及有何差别。"""
第一个是model.load_weights('文件名.h5')和model.load_weight
转载
2024-04-09 08:54:43
70阅读
我们把训练模型建立以后，投入到生产环境的时候，问题来了，一张图片进行预测，tensorflow启动加载模型在进行需要跑好几秒钟，才能得出一个预测值。这在真实环境中是不允许的。因为太慢了，为了找出原因所在，开始了如下的探究和测试。调试确定问题以google-inception模型中的test.py为例，先在测试模型中记录两个时间，最后相互减就得出所用时间，确定在哪一个环节耗时严重。# coding=
转载
2024-04-23 21:05:50
32阅读
本文涉及到的是中国大学慕课《人工智能实践：Tensorflow笔记》第六讲第5-8节的内容，实现循环神经网络（Recurrent Neural Network，RNN）输入1个字母预测下一个字母和输入4个字母预测下一个字母。这几部分的实际意义并不大，但是可以帮助我们理解RNN的原理。单字母预测实现的思路很简单： （1）将abcde转换为独热码； （2）随机生成三个参数矩阵wxh，whh，why；
转载
2024-03-19 13:35:45
71阅读
在一个坐标系中有一些散点，大致图像如下从图中很明显的可以看出，这些散点近似的符合直线方程 y = w * x + b这时候如果再给定一个x，需要你求出对应的y值，那么这就是线性回归的预测问题 (*1)求解这些问题，首先我们需要知道这个直线方程的参数w、b所对应的值(*2)，然后就能轻而易举的计算出y的值了这里，我们把x看作是input(输入)，
转载
2024-05-13 15:38:40
84阅读
tensorflow模型参数保存和加载问题终于找到bug原因！记一下；还是不熟悉平台的原因造成的！ Q：为什么会出现两个模型对象在同一个文件中一起运行，当直接读取他们分开运行时训练出来的模型会出错，而且总是有一个正确，一个读取错误？ 而 直接在同一个文件又训练又重新加载模型预测不出错，而且更诡异的是此时用分文件里的对象加载模型不会出错？model.py,里面含有 ModelV 和 ModelP，
转载
2024-03-18 21:44:47
35阅读
我们知道使用module.summary函数可以得到一张表格，来查看这个神经网络模型的各个参数。其中最后一列为Param参数。目录一 、param是什么二、举例说明如何计算param 1 以一个三层的全连接神经网络为例 2 卷积神经网络中的param 一 、
转载
2024-03-28 11:50:39
50阅读
引言：最近，一直在看关于时间序列预测这一方面的东西。在这里总结一下：1.时间序列分析常用的模型有AR,MA,ARIMA,以及RNN和LSTM2.大多数预测模型都能做时间序列分析（主要是如何将已知问题转化为带有时间戳的序列问题）3.我们常说的预测我总结出来有两层含义：（1）目前我查资料遇到最多的“预测”：实际上就是做曲线拟合，根据一部分数据进行建模（拟合曲线），然后用另一部分数据对所建的模型进行测试
转载
2024-05-06 12:24:44
36阅读
作者 | 何之源前言如何用TensorFlow结合LSTM来做时间序列预测其实是一个很老的话题，然而却一直没有得到比较好的解决。如果在Github上搜索“tensorflow time series”，会发现star数最高的tgjeon/TensorFlow-Tutorials-for-Time-Series已经和TF 1.0版本不兼容了，并且其他的项目使用的方法也各有不同，比较混乱。在此前发布的
转载
2024-05-10 09:06:53
100阅读
