环境：ubantu16.04 +cudnn7.0+cuda_9.0.176 git代码：https://github.com/matterport/Mask_RCNN检查安装需要numpyscipyPillowcythonmatplotlibscikit-imagetensorflow>=1.3.0keras>=2.0.8opencv-pythonh5pyimgaugIPython[a
import tensorflow as tffrom tensorflow.examples.tutor
原创
2022-08-01 20:23:06
97阅读
TensorFlow 1.2.0今日正式发布。 主要功能和改进点： 在Windows系统下新增对Python 3.6的支持。 新增函数tf.layers.conv3d_transpose，用于时空反卷积操作。 新增函数tf.Session.make_callable()，降低了多次运行类似操作的计算开销。 新增基于ibverbs的RDMA支持（远程直接数据存取）（由雅虎的junshi15贡献）。
转载
2024-07-29 13:50:20
24阅读
RCNN算法的tensorflow实现这个算法的思路大致如下： 1、训练人脸分类模型 输入：图像；输出：这张图像的特征 1-1、在Caltech256数据集上pre-trained，训练出一个较大的图片识别库； 1-2、利用之前人脸与非人脸的数据集对预训练模型进行fine tune，得到一个人脸分类模型。 2、训练SVM模型（重新定义正负样本）输入
转载
2024-02-26 20:35:31
26阅读
时间序列是一系列按照时间顺序排列的数据点，通常用来记录某个变量在连续的时间间隔内的变化。这些数据点可以是按秒、分钟、小时、天、周、月、年等时间间隔收集的。在金融领域，时间序列常用于股票价格、交易量、汇率等数据的分析。时间序列分析的目的是从历史数据中提取信息，了解数据的统计特性，并对未来值进行预测。时间序列可以从多个维度进行分类，主要包括以下几种：按数据频率分类：高频数据（如股票的逐笔交易数据）、日数据、月数据等。按数据的稳定性分类。
本博客记录使用tensorflow搭建rnn模型并用来对mnist的手写体进行识别的过程，记录其中的学习过程。 实践环境： Tensorflow version: 1.3.0 python version: 3.51.RNN快速介绍： 图1如上图所示，其中x是输入，s旁边的圆圈是隐层，而o旁边的圆圈表示输出。左边是RNN的第一种表示，可以看到在隐层中存在闭环。右图则是左图的展开图，通过在时序维展开
转载
2024-06-25 15:23:02
26阅读
One of the reasons Python is so valuable to Data Science is its huge collection of data analysis and visualization libraries. In this article, we’ve covered the most popular ones. Python对数据科学如此重要的原因之一
from: http://lan2720.github.io/2016/07/16/%E8%A7%A3%E8%AF%BBtensorflow%E4%B9%8Brnn/
这两天想搞清楚用tensorflow来实现rnn/lstm如何做，但是google了半天，发现tf在rnn方面的实现代码或者教程都太少了，仅有的几个教程讲的又过于简单。没办法，只能亲自动手一步步研究官方给出的代码了。
本文研究的代码
转载
2017-11-21 18:34:00
105阅读
2评论
每一个训练样本是从时序信号中随机选择20个连续的值，训练样本相对应的目标是一个往下一个时间的方向平移了一个step之后的20个连续值，也就是除了最后一个值不一样，前面的值和训练样本的后19个都一样的一个序列。如下图：首先，我们创建一个RNN网络，它包括 100个循环神经元，由于训练样本的长度为20，所以我们将其展开为20个时间片段。每一个输入包含一个特征值（那一时刻的值）。同样，目标也包含20个输
基础语法笔记一1.新建等基本命令3.运算符运算顺序，转义字符4.加减乘除运算5.列表6.元组 （我是用的是Linux的Ubuntu进行桌面应用开发）1.新建等基本命令1.√桌面点击右键 选择 Open Terminal 打开终端
√pwd 打印当前在哪个目录
√ls 列出当前路径下的文件和目录
√mkdir 目录名 新建目录
√cd 目录名 进到指定目录
√python 运行 P
转载
2024-09-05 06:36:21
36阅读
本文介绍下 RNN 及几种变种的结构和对应的 TensorFlow 源码实现，另外通过简单的实例来实现 TensorFlow RNN 相关类的调用。RNNRNN，循环神经网络，Recurrent Neural Networks。人们思考问题往往不是从零开始的，比如阅读时我们对每个词的理解都会依赖于前面看到的一些信息，而不是把前面看的内容全部抛弃再去理解某处的信息。应用到深度学习上面，如果我们想要学
原创
2021-01-19 15:06:52
463阅读
文章目录项目介绍utils.py 中的函数说明1、wandhG2、load_gt_boxes3、plot_boxes_on_image4、compute_iou5、compute_regression6、decode_output7、nmsdemo.py1、将 utils.py 中的函数导入2、设置阈值与相关参数3、读取图片与真实框坐标4、每个预测框的得分和训练变量5、根据每个预测框的得分和训练
分析：看 TensorFlow 也有一段时间了，准备按照 GitHub 上的教程，敲出来，顺便整理一下思路。RNN部分定义参数，包括数据相关，训练相关。定义模型，损失函数，优化函数。训练，准备数据，输入数据，输出...
转载
2017-07-16 19:41:00
87阅读
2评论
一、RNN模型简介1定义 Rnn， recurrent neural network，循环神经网络，一般以序列数据(比如，一句话，一段录音)为输入， 通过网络内部的结构有效捕捉 序列之间的关系特征，一般也是以序列系列形式输出。2 网络结构一般是单层神经网络结构，Rnn的循环机制,使得模型也从上一时间步产生的结果 h(t-1)，能够作为当下时间步输入的一部分。也
转载
2024-03-15 11:46:46
82阅读
五、TensorFlow 进阶1.合并与分割张量的合并可以使用拼接(Concatenate)和堆叠(Stack)操作实现，拼接操作并不会产生新的维度，仅在现有的维度上合并，而堆叠会创建新维度。选择使用拼接还是堆叠操作来合并张量，取决于具体的场景是否需要创建新维度。拼接tf.concat(tensors, axis)a = tf.random.normal([4,35,8]) # 模拟成绩册 A
b
TensorFlow实战思维导图
转载
2020-03-17 21:08:00
212阅读
2评论
static_rnn和dynamic_rnn的区别主要在于实现不同。static_rnn会把RNN展平，用空间换时间。 gpu
原创
2022-07-04 17:24:18
105阅读
使用的数据集是全唐诗，首先提供一下数据集的下载链接：https://pan.baidu.com/s/13pNWfffr5HSN79WNb3Y0_w 提取码：kossRNN不像传统的神经网络-它们的输出输出是固定的，而RNN允许我们输入输出向量序
转载
2024-05-17 17:58:52
50阅读
tensorflow中提供了rnn接口有两种，一种是静态的rnn，一种是动态的rnn 通常用法： 1、静态接口：static_rnn 主要使用 tf.contrib.rn
转载
2022-05-18 20:53:58
213阅读
def my_lstm_layer(input_reps, lstm_dim=int(768 / 2), input_lengths=None, scope_name="my_rnn", reuse=False, is_
原创
2022-07-19 11:40:11
214阅读
