TF-slim 模块是TensorFLow中比较实用的API之一，是一个用于模型构建、训练、评估复杂模型的轻量化库。 最近，在使用TF-slim API编写了一些项目模型后，发现TF-slim模块在搭建网络模型时具有相同的编写模式。这个编写模式主要包含四个部分：__init__():build_model():fit():predict():1. __init__(): 这部分相当于是一个
转载
2024-06-28 18:59:21
57阅读
本文基于tensorflow官网教程（https://tensorflow.google.cn/guide/keras），
机器环境为ubuntu14.04LTS+tensorflow1.8.0
1.Keras模块配置 Keras模块是tensorflow提供
转载
2024-05-14 19:28:41
70阅读
经过几年的完善发展，tensorflow 安装已经非常简单。本文介绍 windows 环境下安装的关键步骤。1. 安装 anacondaanaconda 是一个快速安装 python 环境的程序，到该程序官网下载安装即可。安装完毕后，在开始菜单里找到 anaconda prompt 或者 anaconda powershell prompt 快捷方式，启动命令行界面。anaconda 内置了 pi
转载
2024-02-27 11:18:27
53阅读
# 使用TensorFlow中的SGD优化器进行深度学习
在深度学习领域，优化器是保持模型性能的关键。SGD（随机梯度下降）是最基本和经典的优化算法之一。对于初学者来说，理解如何使用该算法进行模型训练是十分重要的。在本篇文章中，我们将基于TensorFlow框架，分析SGD优化器的使用，并配合示例代码进行详细说明。
## 什么是SGD优化器？
SGD优化器通过在每个迭代中使用小批量的数据来更
原创
2024-09-22 05:15:14
123阅读
TensorFlow 中的 layers 模块提供用于深度学习的更高层次封装的 API，利用它我们可以轻松地构建模型，这一节我们就来看下这个模块的 API 的具体用法。概览layers 模块的路径写法为 tf.layers，这个模块定义在 tensorflow/python/layers/layers.py，其官方文档地址为：https://www.tensorflow.org/api_docs/
原创
2021-01-19 15:00:42
323阅读
使用keras模块主要使用其五个主要模块，为datasets、layers、losses、metrics以及optimizers。五大模块datasets：前文已经提到，封装了一些对常见的小型数据集的预处理（如MNIST），自动下载并处理数据为numpy矩阵。layers：在Keras的神经网络模型概念中，网络是可以按照层进行区分的，一层完成一个或者几个张量运算，如卷积层、池化层等。Keras对这些层进行了封装，只要传入张量，则按照层的运算方式输出运算结果张量。losses：损失函数及损失函数
原创
2021-07-12 11:44:11
412阅读
TF-slim 模块是TensorFLow中比较实用的API之一，是一个用于模型构建、训练、评估复杂模型的轻量化库。 其中引入的比较实用的函数包含arg_scope、model_variables、repeat、stack。 slim 模块是在16年推出的，其主要功能是为了实现"代码瘦身"。 该模块已经成为很常用的模块之一，在github上大部分TensorFLow的代码中都会涉及到它，如
我并不建议专攻哪一本，从学习效率上说，建议综合来看。我自己看书也是这样，研究某一领域的时候，不只看一本书，而是同时看好几本，这样可以博采众家之长，而且可以避免单一作者个人的短处。 TensorFlow学习笔记 链接：https://pan.baidu.com/s/1QekhB9AIqoS_H_hWMRCRaA 密码：a08l这本书内容简明扼要，适合快速入手，找准不足，再另择书细
出现上述原因版本不对极有可能，之前使用pip install安装TensorFlow并import tensorflow没任何问题，但是现在每次这样的操作会发现tensorflow的包是安装成功了，但是import导入包的时候总是会报错。现在我们来测试并解决该问题：1.首先pip安装包 提示已经成功安装指定的版本，当然也可以根据需要安装最新的版本（不加特定的版本号即默认安装最新的版本）2.查看是否
转载
2024-06-04 08:18:04
595阅读
目录前言一、基础层1-0、Input层1-1、Dense层1-2、Activation层（激活层）、Dropout层1-3、Lambda层1-4、Flatten层二、嵌入层2-1、Embedding层三、池化层3-1、MaxPooling1D层3-2、MaxPooling2D层3-3、AveragePooling1D层3-4、AveragePooling2D层3-5、GlobalMaxPooli
转载
2024-05-05 18:29:33
36阅读
saved_model模块主要用于TensorFlow Serving。TF Serving是一个将训练好的模型部署至生产环境的系统，主要的优点在于可以保持Server端与API不变的情况下，部署新的算法或进行试验，同时还有很高的性能。保持Server端与API不变有什么好处呢？有很多好处，我只从我体会的一个方面举例子说明一下，比如我们需要部署一个文本分类模型，那么输入和输出是可以确定的，
转载
2018-08-20 14:26:00
258阅读
2评论
# TensorFlow简介与示例
TensorFlow是一个由Google开发的开源机器学习库，它被广泛用于深度学习、人工智能和数据科学领域。TensorFlow的核心是其设计灵活、高效且易于扩展的计算图，它允许用户以一种直观的方式构建和执行复杂的计算流程。
## 计算图
在TensorFlow中，所有的计算都被表示为一个有向图，这个图由节点（操作）和边（张量）组成。每个节点代表一个操作，
原创
2024-07-18 14:49:58
39阅读
TensorFlow 的常用模块介绍 一、总结 一句话总结： Module:tf.train：这个模块主要是用来支持训练模型的 Module:tf.nn：神经网络的功能支持模块，这是最常用到的一个模块，比如用于构建经典的卷积网络，它下面还包含了 rnn_cell 的子模块，用于构建循环神经网络； M
转载
2020-08-13 17:51:00
407阅读
2评论
在这里，无涯教程将重点介绍TensorFlow中的MetaGraph形成，这将帮助了解TensorFlow中的导出模块，MetaGra...
原创
2023-08-20 13:01:00
199阅读
我的系统环境：Ubuntu 16.04 LTSpython 2.7python 3.5TensorFlow的两个版本：TensorFlow的安装形式主要有以下几种：virtualenvpipdockeranaconda源代码编译pip是Python软件包管理系统：Pip Install Packages 递归缩写pip安装软件包命令的格式如下：pip install 软件包名pip卸载软件包命令的
转载
2024-06-20 04:37:38
17阅读
ID：weixin51cto作者：Sayantini Deb如今，Python已是流行、且使用广泛的编程语言之一，它已经取代了业界许多编程语言。Python备受开发人员欢迎的一项主要原因是，它能够为用户提供大量可供使用的库集合。在本文中，我们将和您讨论Python中的一些库。开发人员可以使用它们来编写、清理和表示数据，并且能够在现有的各种应用程序中实现机器学习的效果。它们分别是：TensorFlo
转载
2024-01-15 08:49:11
53阅读
步骤一：建议先通读TensorFlow Servering官网，对整体概念有大体的认识步骤二：去TF github下载源码。注意，同时下载tensoflow源码，servering会依赖其中的一部分步骤三：开始源码解析目录介绍：api对外服务接口部分batching不知道在干啥configServer的配置参数core模型管理核心部分。包括模型发现，加载，本机资源管理model_servers模型
转载
2023-12-25 10:08:06
240阅读
ULSAM: Ultra-Lightweight Subspace Attention Module for Compact Convolutional Neural Networks 摘要注意机制建模长期依赖关系的能力使其在视觉模型中的部署迅速发展。与卷积算子不同，自注意提供了无限的接受域，并支持全局依赖关系的高效建模。然而，现有的最先进的注意机制产生了较高的计算和参数开销，因此不适合紧凑
1.首先确保已经安装python，然后用pip来安装matplotlib模块。 2.进入到cmd窗口下，建议执行python -m pip install -U pip setuptools进行升级。 3.如果之前已经安装了Numpy，则需要先卸载之前的安装，因为每个Tensorflow都有一个版本
转载
2019-08-27 16:58:00
299阅读
2评论
1.简介TensorFlow是一个由Google Brain团队开发的开源软件库，用于各种人工智能和机器学习应用，包括神经网络、深度学习、强化学习等。TensorFlow提供了一个灵活的编程框架，可用于创建各种类型的机器学习模型，如分类、回归、聚类、语音识别、自然语言处理等。 TensorFlow基于图形计算模型，它使用计算图来表示计算任务，并使用TensorFlow会话执行计算。计算图是由一组节
