TensorFlow是一种符号编程框架（与theano类似），
先构建数据流图再输入数据进行模型训练
。Tensorflow支持很多种样例输入的方式。最容易的是使用placeholder，但这需要手动传递numpy.array类型的数据。
第二种方法就是使用二进制文件和输入队列的组合形式。这种方式不仅节省了代码量，避免了进行data augmentation和读文件操作，可以处理不同类型的数
1：首先介绍tensorflow的安装，目前tensorflow安装教程很多，但是作者还是喜欢conda的安装，很方便，而且可以配置多个版本的多个环境，直接通过pycharm调用，简直不要太方便…（废话不多说，直接上干货)2:首先上，很全，但是作者会进行一些细化：（感谢这位作者） 这张图是进行我所说的一个环境，其中tensorflow后可增加你要配置的tensorflow版本号，不要都是te
转载
2024-05-07 06:26:25
9阅读
一、模型的保存与载入方式（一）1、模型的保存使用下面这两行指令对训练的模型进行保存saver = tf.train.Saver() # 定义Saver用于保存模型 saver.save(sess,'models/my_model.ckpt') # 保存模型以简单的手写字符识别（MNIST）为例，训练一个一层的神经网络：import tensorflow as t
转载
2024-03-09 16:32:20
111阅读
## TensorFlow Python导入模型
TensorFlow是一个开源的机器学习框架，它提供了丰富的工具和库，可以用于构建和训练各种机器学习模型。在TensorFlow中，我们可以将训练好的模型保存为文件，并在需要的时候重新加载它们。
本文将介绍如何使用TensorFlow Python导入模型并使用它进行推理。我们将从保存模型开始，然后演示如何加载模型并在新的数据上进行预测。
#
原创
2023-11-12 09:18:00
104阅读
利用tensorflow搭建模型并保存时，保存模型的方法为saver = tf.train.Saver()
saver.save(sess, model_path + model_name)这样会在model_path路径下得到3个名为model_name的文件和一个checkpoint文件，例如，model_name=alexnet201809101818，则会得到如下四个文件 .data-0
转载
2024-06-09 08:27:10
64阅读
# 如何实现 Java TensorFlow 导入模型
作为一名经验丰富的开发者，我将会向你介绍如何实现 Java TensorFlow 导入模型的过程。首先，我们来看一下整个过程的步骤：
## 步骤
| 步骤 | 操作 |
| ---- | ---- |
| 1 | 下载 TensorFlow Java 包 |
| 2 | 导入 TensorFlow 模型 |
| 3 | 使用模型进行预测
原创
2024-06-19 05:34:56
32阅读
一、保存自己搭建网络的模型在前面简单的神经网络基础上填加了保存模型的代码。代码如下：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)
# 每
转载
2024-04-11 12:06:21
153阅读
OpenCV 基础方法，Caffe，TensorFlow模型加载环境配置： 方法预览class QuickDemo
{
public:
QuickDemo();
void colorSpace(Mat* mat);// 色彩转换
void matCreate(Mat mat);// 创建Mat
void pixelTransformation(Mat mat);// 像素转换
void
一、模型保存为了更好地保存和加载我们已经训练好的模型，TensorFlow使用tf.train.Saver类和checkpoint的机制去实现这一过程，什么是checkpoints？ 是用于存储变量的二进制文件，在其内部使用“ 字典结构 ”存储变量，键 即变量的名字，值 为变量的tensor值。其中Saver类的定义如下所示：class Sav
转载
2024-03-22 12:36:45
35阅读
背景在RM比赛中对于飞镖检测问题，虽然我可以通过运动物体检测和颜色检测筛除大部分干扰物体，但是依然会存在部分干扰物体。基于此考虑采用tensorflow训练飞镖头的模型（因为所有学校的飞镖头都一样，所以就不存在训练的模型最后无法使用的情况），没有采用pytorch的原因是opencv里面没办法直接调用他的pth模型,只能调用torch模型。tensorflowtensorflow的安装对于这部分我
转载
2023-09-22 13:45:40
131阅读
近期做了一些反垃圾的工作，除了使用常用的规则匹配过滤等手段，也采用了一些机器学习方法进行分类预测。我们使用TensorFlow进行模型的训练，训练好的模型需要保存，预测阶段我们需要将模型进行加载还原使用，这就涉及TensorFlow模型的保存与恢复加载。总结一下Tensorflow常用的模型保存方式。保存checkpoint模型文件（.ckpt）首先，TensorFlow提供了一个非常方便的api
TensorFlow模型导出到OpenCV调用引言1.模型训练（1）些许改进（2）整体训练模型的代码如下：（3）生成模型（4）控制台结果2.使用tensorboard查看模型架构，找出输入输出（可跳过）（1）生成事件文件（2）在cmd中执行以下语句（3）执行结果（4）在浏览器中查看3.导出为pb文件（1）注意事项（2）代码如下：（3）执行结果如下4.查看pb文件的节点名称（可跳过）（1）代码如下
转载
2024-04-18 09:27:34
197阅读
tensorflow模型保存和使用Tensorflow的保存分为四种：1. checkpoint模式； 2. saved_model模式（包含pb文件和variables）； 3. 纯pb模式；（只有一个pb文件） 4. keras的 h5 模式方法比较多，按先进度写吧。tf.saved_model模块模型保存示例1 session.graph._unsafe_unfinalize()
tf.sa
转载
2024-01-26 07:10:40
106阅读
前段时间实践tensorflow目标检测模型再训练，过程见博文tf2目标检测-训练自己的模型总结目标检测模型再训练过程，有以下几点需注意：1 训练集和测试集训练图片每张只包含一个目标，因此可用小尺寸图片，且统一训练图片大小，有助于加快训练过程。测试图片则用大图片，包含多个需检测目标，同时包括应排除的目标，检验模型训练成果。2 模型处理窗口和输入图片resize问题每个再训练模型有处理窗口，例如ss
转载
2024-04-24 16:05:34
72阅读
TensorFlow网络模型的保存与导入（save and restore）构建深度学习网络，训练时间往往比较长，当训练完成以后，效果比较好，我们希望能将模型保存下来，进行实际的部署和测试，或者进行迁移学习。下面结合我自己的一些实践介绍一下TensorFlow模型保存和导入的方法。 主要有两种：（1）传统的使用ckpt模型，然后需要把网络模型整体框架重写一次；（2）较高版本的tf，使用checkp
转载
2024-04-12 16:17:25
100阅读
最近在做李宏毅的深度学习的作业，导入模型的时候，发现，我在导入模型进行预测时，需要重新手动构建网络进行检
转载
2022-11-10 10:20:07
130阅读
TensorFlow读取机制图解首先需要思考的一个问题是，什么是数据读取？以图像数据为例，读取数据的过程可以用下图来表示：假设我们的硬盘中有一个图片数据集0001.jpg，0002.jpg，0003.jpg……我们只需要把它们读取到内存中，然后提供给GPU或是CPU进行计算就可以了。这听起来很容易，但事实远没有那么简单。事实上，我们必须要把数据先读入后才能进行计算，假设读入用时0.1s，计算用时0
前叙：有灵魂的程序都是每一个程序员的最终目标。TensorFlow了解下？打算花几个月学机器学习，TensorFlow是很好的选择，折腾了会环境，略有心得分享下。环境：win10Python：3.6.5TensorFlow-GPU：1.8.0CUDA：9.0cuDNN：7.1.4我们来用最简单的方法安装，首先Python：虽然官网3.7已经出来了，但是Beta版，保险起见用正式版 3.6.5。你看
转载
2023-08-11 09:02:45
161阅读
在构建tensorflow模型过程中，可谓是曲折颇多，一些教程上教会了我们如何使用下载的现成数据集，但却没有提及如何构建自己的数据集。我自己在学习过程中也走了不少弯路，希望这一系列的博客能解决大家的一些困惑。我们本地构建数据集主要是以下几个步骤1.数据处理2.数据增强 3.数据导入4.构建模型5.训练模型这篇先讲一下数据处理的一些操作，后面的步骤会慢慢发出来。1.导入第三方库import
转载
2024-03-15 08:22:41
172阅读
本篇介绍函数包括：
tf.conv2d
tf.nn.relu
tf.nn.max_pool
tf.nn.droupout
tf.nn.sigmoid_cross_entropy_with_logits
tf.truncated_normal
tf.constant
tf.placeholder
tf.nn.bias_add
tf.reduce_mean
tf.squared_d
转载
2024-02-22 00:49:25
37阅读
