tensorflow 和 caffe 都是常见的深度学习框架，有时候前端部署会因为平台的要求只能用其中的某种框架，这个时候则需要进行框架间的转换。本博客会介绍 tensorflow 转 caffe 模型的相关细节和部分相应的代码。1 有哪些转换方法 我做了简单的查阅，发现主要是下面三种：1） 利用 net.params 逐层添加参数2） pro
转载
2024-09-06 09:22:13
35阅读
学习tensorflow先要了解它编码的流程，在此简要描述一下其流程，所有的TensorFlow训练神经网络的过程大致可以分为以下三个过程：1、定义神经网络的结构和前向传播的输出结果。2、定义损失函数以及选择反向传播优化的算法。3、生成会话并且在训练数据上反复运行反向传播优化算法。无论神经网络结构如何变化，这三个步骤是不变的。当然，每一步里面涉及到的方法和函数是比较复杂的，真正学好神经网络不止要了
转载
2024-03-26 15:46:08
66阅读
TensorFlow 支持多种常用运算符（Operations，简称 Op），如矩阵乘 matmul、卷积 conv2d 等。 由这些运算符可以构建复杂的计算图（Graph）。核函数（Kernel）是运算符的特定实现，可以运行在特定类型设备上（如 CPU 或 GPU ）。 TensorFlow 通过注册机制来确定支持的运算符集合和核函数，便于进一步扩展。 今天给一个利用 C++ 编写 Tenso
转载
2024-05-24 22:40:36
116阅读
当我们在说GPU并行计算时，其实是指的基于CPU+GPU的异构计算架构。典型的CUDA程序的执行流程如下： 分配host内存，并进行数据初始化； 分配device内存，并从host将数据拷贝到device上； 调用CUDA的核函数在device上完成指定的运算； 将device上的运算结果拷贝到host上； 释放device和host上分配的内存。kernel是在device上线程中并行执行的函数
转载
2024-08-27 17:47:25
0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
import osimport cv2from DeepFace import functions,analyzefrom keras.callbacks import ModelCheckpointfrom sklearn.
原创
2023-05-18 17:06:04
80阅读
训练模型的两种方式静态图方式是1.X 中张量流的主要运行方式。机制就是将定义和运行分离。相当于程序搭建一个结构（内存中搭建一个图），然后让数据（张量）按照图的顺序进行计算得到结果。静态图方式分为两个过程：1. 模型构建，从正反两个方向构建模型。2. 模型运行：构建模型后，通过多次迭代的方式运行模型，实现训练的过程。在 2.X 版本中使用 1.X 版本的API ，需要改变默认的工作模式：tf.com
cifar10训练数据集下载链接：https://pan.baidu.com/s/1Qlp2G5xlECM6dyvUivWnFg 提取码：s32t代码解析前置配置引入tensorflow库，和其他辅助库文件。安装方式为pip3 install tensorflow numpy pickle。详细过程不在这里描述。 在这里，训练和测试数据集文件放在该脚本的父文件夹中，因此按照实际情况来对CIFAR_
转载
2024-05-13 11:28:25
49阅读
文章目录Tensorflow Serving实战安装Tensorflow serving准备YOLOX模型部署YOLOX模型测试YOLOX模型多模型多版本部署模型的热部署参考 Tensorflow Serving使用Tensorflow框架训练好模型后，想把模型部署到生产环境可以使用Tensorflow Serving进行部署。Tensorflow Serving具有以下作用：兼容Tensorf
转载
2024-05-05 18:54:11
162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
tensorflow实现线性回归模型1.变量（1）变量的创建（2）变量的初始化（3）变量的作用域2.可视化学习Tensorboard（1）开启tensorboard（2）增加变量显示3.tensorflow实现线性回归实战（1）Tensorflow运算API（2）梯度下降API（3）实现线性回归4.模型加载和保存5.命令行参数 1.变量（1）变量的创建变量也是一种OP，是一种特殊的张量，能够进行
转载
2024-04-21 13:36:46
78阅读
TensorFlow提供了一个非常简单的API来保存和还原一个神经网络模型。这个API就是tf.train.Saver类。以下代码给出了保存TesnsorFlow计算图的方法。import tensorflow as tf
#声明两个变量并计算他们的和
v1 = tf.Variable(tf.constant(1.0, shape = [1]), name = "v1")
v2 = tf.V
转载
2024-06-07 05:52:46
30阅读
在我们使用tensorflow做深度学习的时候，需要用大量的数据来训练模型。但正因为数据量大如果电脑的性能不是很好的话在训练模型的时候我们的电脑是没有剩余的内存供我们使用的，但模型训练又需要花费很多时间，如果我们需要用电脑做其他事情的话就必须停止训练模型，但停止以后再重新开始从头训练的话又会花费很多的时间，所以我们要在停止训练时保存的模型参数的那个阶段继续我们的训练。模型保存首先我们要知道要想继续
转载
2024-03-19 09:31:10
74阅读
一、前言本文将会介绍tensorflow保存和恢复模型的两种方法，一种是传统的Saver类save保存和restore恢复方法，还有一种是比较新颖的SavedModelBuilder类的builder保存和loader文件里的load恢复方法。通过了解这两种方法，我们可以解决如何保存和恢复一个已经训练好的神经网络模型用于推理预测的现实需求，也可以辅助查看分析一个长时间训练的模型性能，最重要的是我们
关于Tensorflow模型的保存、加载和预导入1. 什么是Tensorflow模型1.1 元图：1.2 检查点文件：2. 保存Tensorflow模型3. 导入预先训练的模型4. 使用已恢复的模型 参考ANKIT SACHAN：A quick complete tutorial to save and restore Tensorflow models1. 什么是Tensorflow模型Ten
转载
2024-05-06 19:06:29
41阅读
模型保存和加载（一）TensorFlow的模型格式有很多种，针对不同场景可以使用不同的格式。格式简介Checkpoint用于保存模型的权重，主要用于模型训练过程中参数的备份和模型训练热启动。GraphDef用于保存模型的Graph，不包含模型权重，加上checkpoint后就有模型上线的全部信息。SavedModel使用saved_model接口导出的模型文件，包含模型Graph和权限可直接用于上
转载
2024-05-31 20:10:39
76阅读
1.checkpoint(*.ckpt)1.1文件结构介绍：---checkpoint ---model.ckpt-240000.data-00000-of-00001 ---model.ckpt-240000.index ---model.ckpt-240000.meta如图所示，Tensorflow模型主要包括两个方面内容：1）神经网络的结构图graph；2）已训练好的变量参数。因此Tenso
转载
2024-04-16 14:54:14
76阅读
tf1:
tf.GradientTape()函数：
tf提供的自动求导函数
x = tf.Variable(initial_value=3.)
with tf.GradientTape() as tape: # 在 tf.GradientTape() 的上下文内，所有计算步骤都会被记录以用于求导
y = tf.square(x)
y_grad = tape.gradient(y,
转载
2024-05-26 16:41:34
38阅读
在所有的数据都处理完了之后，接下来就可以进行模型的训练了。在Github上FaceNet项目的介绍中有softmax和论文中提到的三元损失训练triplet两种方式，这边简单的介绍下softmax的训练方法。FaceNet已经将所有的方法都已经封装好，训练程序在src目录下的train_softmax.py文件中，在训练之前，我们首先要简单的修改下这份文件，让它适用于当前版本。找到260行，搜索i
转载
2024-04-12 19:52:06
33阅读
用过 TensorFlow 时间较长的同学可能都发现了 TensorFlow 支持多种模型格式，但这些格式都有什么区别？怎样互相转换？今天我们来一一探索。1. CheckPoint(*.ckpt)在训练 TensorFlow 模型时，每迭代若干轮需要保存一次权值到磁盘，称为“checkpoint”，如下图所示：这种格式文件是由 tf.train.Saver() 对象调用 saver.save()
转载
2024-03-28 09:21:00
44阅读
