目的：在程序开始运行的时候，可以通过指定命令行参数给程序参数赋值步骤1、tf.app.flags 它支持应用从命令行接受参数，可以用来指定集群配置等。在tf.app.flags下面有各种定义参数的类型DEFINE_string(flag_name, default_value, docstring)
DEFINE_integer(flag_name, default_value, do
转载
2024-08-23 11:55:59
29阅读
一．自定义网络（CustomNetwork）通过自定义的网络我们可以将一些现有的网络和我们自己的网络串联起来，从而实现各种高效的网络。Keras.Sequential：可以将现有的层跟我们自己的层串联在一起，也可以很方便的组织层的参数；不过我们要使用Sequential需要准守一些协议： 1.我们自定义的层必须继承自Keras.layers.Layer； 2.我们自己的模型需要继承自Keras.M
转载
2024-04-15 15:02:34
43阅读
最近因为项目要求，需要把模型的训练和测试过程分开，这里主要涉及两个过程：训练图的存取和参数的存取。 以下所有/home/yy/xiajbxie/model是我的模型的存储路径，将其换成你自己的即可。tf.train.Saver()Saver的作用中文社区已经讲得相当清楚。tf.train.Saver()类的基本操作时save()和restore()函数，分别负责模型参数的保存和恢复。参数保存示例如
转载
2024-04-24 14:06:40
29阅读
1、tf.constant_initializer()可以简写为tf.Constant()；初始化为常数，这个非常有用，通常偏置项就是用它初始化的由它衍生出的两个初始化方法：a、 tf.zeros_initializer()，也可以简写为tf.Zeros()b、tf.ones_initializer(), 也可以简写为tf.Ones()2、tf.truncated_normal_initializ
转载
2024-05-06 17:32:25
59阅读
在之前的实战中，我们实现了基本的操作，对神经网络的训练也有了一些基本了解。为了我们训练出的模型可以反复利用，更灵活方便的迁移，数据与文件格式准备：from __future__ import absolute_import, division, print_function, unicode_literals
import os
import tensorflow as tf
from tenso
转载
2024-09-05 06:38:58
37阅读
LSTM，全称为长短期记忆网络(Long Short Term Memory networks)，是一种特殊的RNN，能够学习到长期依赖关系。LSTM由Hochreiter & Schmidhuber (1997)提出，许多研究者进行了一系列的工作对其改进并使之发扬光大。 LSTM在解决许多问题上效果非常好，现在被广泛使用。它们主要用于
转载
2024-05-09 15:16:15
83阅读
LeNet5特征能够总结为如下几点：1）卷积神经网络使用三个层作为一个系列： 卷积，池化，非线性；2） 使用卷积提取空间特征；3）使用映射到空间均值下采样（subsample）；4）双曲线（tanh）或S型（sigmoid）形式的非线性；5）多层神经网络（MLP）作为最后的分类器；6）层与层之间的稀疏连接矩阵避免大的计算成本；CNN实现对mnist数据集的分类import tensorflow a
tensorflow2.0建议使用tf.keras作为构建神经网络的高级API
接下来我就使用tensorflow实现VGG16去训练数据背景介绍：2012年 AlexNet 在 ImageNet 上显著的降低了分类错误率，深度神经网络进入迅速发展阶段。在2014年牛津大学机器人实验室尝试构建了更深的网络，文章中称为"VERY DEEP CONVOLUTIONAL NETWORKS"，如VGG16
转载
2024-02-18 13:20:39
70阅读
模型持久化 部署tensorflow模型的第一步是模型持久化，将模型结构和去那种保存到一个.pb文件中。pb_graph = tf.graph_util.convert_variables_to_constants(sess, sess.graph.as_graph_def(), [v.op.name for v in outputs])
with tf.gfile,FastGFile('./pb
转载
2024-10-12 12:10:08
42阅读
一、保存、读取说明 我们创建好模型之后需要保存模型，以方便后续对模型的读取与调用，保存模型我们可能有下面三种需求：1、只保存模型权重参数；2、同时保存模型图结构与权重参数；3、在训练过程的检查点保存模型数据。下面分别对这三种需求进行实现。 二、仅保存模型参数 仅保存模型参数可以用一下的API： Model.save_weights(file_path) # 将文件保存到save_
转载
2023-06-25 16:57:38
641阅读
本文还是以MNIST的CNN分析为例loss函数一般有MSE均方差函数、交叉熵损失函数，说明见 另外一部分为正则化部分，这里实际上了解图像的会理解较深，就是防止过拟合的一些方式，符合图像先验的正则化项会给图像恢复带来很大的效果，简单讲神经网络常见的正则化则是1.对权重加入L2-norm或L1-norm2.dropout3.训练数据扩增可以看 见修改的代码：#tf可以认为是全局变量，从该变量为类
转载
2024-04-15 19:43:28
216阅读
文章目录一、六步法搭建顺序神经网络（Sequential）1、步骤2、相关介绍（1）Sequential（2）compile（3）fit（4）summary3、代码二、六步法搭建非顺序神经网络（class）1、步骤2、class MyModel(Model) model = MyModel定义方式3、代码三、MNIST例子1、mnist_datasets2、mnist_Sequential t
转载
2024-07-17 18:24:21
48阅读
神经网络中的参数是神经网络实现分类或回归问题中重要的部分。在tensorflow中，变量(tf.Variable)的作用就是保存和更新神经网络中的参数的。在tensorflow中，变量(tf.Variable)的作用就是保存和更新神经网络的参数。和其他编程语言类似，tensorflow中的变量也需要指定初始值。因为在神经网络中，给参数赋予随机初始值最为常见，所以一般也使用随机数给tensorflo...
原创
2021-08-12 22:04:21
1095阅读
1：你想要学习TensorFlow，首先你得安装Tensorflow，在你学习的时候你最好懂以下的知识： a：怎么用python编程； b：了解一些关于数组的知识； c：最理想的情况是：关于机器学习，懂一点点；或者不懂也是可以慢慢开始学习的。2：TensorFlow提供很多API，最低级别是API
转载
2023-08-17 17:04:44
82阅读
写在前面这个系列博客会具体讲讲怎么用tensorflow去搭建网络，其中一些细节例如如何加载数据集、需要哪些包可以参考我的其他博客。以此，来增加自己的编程能力。也会解读一些keras源码等一、神经网络中有哪些层点我从连接方式来说：全连接Dense、Conv2D、Conv2DTranspose、RNN等主要的功能层：BN层，激活函数层、Input层，Lambda层、Dropout层、Flatten层
转载
2024-08-11 20:21:17
0阅读
最新tensorflow采用了keras封装，和古早写法相比变化很大，但是用起来确更加方便了，恰逢最近需要倒腾tensorflow，所以记录一下。这是一个系列文章，将从浅入深地介绍新的tensorflow的用法，文章列表： 林青：学习tensorflow(00)--从源代码编译tensorflowzhuanlan.zhihu.com
林青：学习tensorfl
转载
2024-04-04 11:35:31
42阅读
VGGNet探索了卷积神经网络的深度与性嫩之间的关系，通过反复堆叠3×3的卷积核和2×2的池化层构建了16层的卷积神经网络。由上图所知，VGG一共有五段卷积，每段卷积之后紧接着最大池化层，作者一共实验了6种网络结构。分别是VGG-11，VGG-13,VGG-16,VGG-19，网络的输入是224*224大小的图像，输出是图像分类结果。下面我们主要针对tensorflow
转载
2024-03-28 14:08:14
69阅读
这篇文章将从零开始指导阅读者利用tensorflow搭建一个神经网络，若是有问题还请指出，或直接再评论区更正。若是对前面的内容不感兴趣可直接跳至神经网络处。 文章目录一. 安装tensorflow二. tensorflow是什么1. Hello TensorFlow！2. 张量3. tensorflow的基本概念①. 算子②. 节点③. 边④. 会话三. 从代码开始接触，由浅入深1. 数据类型与逻
转载
2023-09-06 19:28:49
107阅读
1、卷积神经网络简介卷积神经网络（Convolutional Neural Network, CNN）作为一个深度学习架构被提出的最初诉求，是降低对图像数据预处理的要求，以及避免复杂的特征工程。CNN不需要将特征提取和分类训练分开，它在训练的时候就自动提取了最有效的特征。 CNN最大的特点是卷积的权值共享结构，可以大幅度减少神经网络的参数量，防止过拟合的同时又降低了神经网络模型的复杂度。一个卷积神
转载
2023-11-27 21:33:48
64阅读
本文仅对一些常见的优化方法进行直观介绍和简单的比较，主要是一阶的梯度法，包括SGD, Momentum, Nesterov Momentum, AdaGrad, RMSProp, Adam。 其中SGD,Momentum,Nesterov Momentum是手动指定学习速率的,而后面的AdaGrad, RMSProp, Adam,就能够自动调节学习速率。1、SGDSGD全名 stochastic
转载
2024-03-08 23:01:47
116阅读
