tf.data API带来了TensorFlow的两种新抽象：tf.data.Dataset : 表示元素的序列，其中每个元素包含了一个或多个Tensor对象。例如，一个图像数据管道中，一个元素可能是一个具有一对张量表示其图像数据和标签的训练样本 。有两个不同的方法创建dataset ： 创造source (例如Dataset.from_tensor_slices()) 从一个或多个tf.Tens
转载
2024-03-17 15:19:18
29阅读
tf.nn.relu()函数是将大于0的数保持不变，小于0的数置为0a = tf.constant([-1.0, 2.0])with tf.Session() as sess: b = tf.nn.relu(a) print (sess.run(b))输出 再举个例子吧：import tensorflow as tf a = tf.constant(...
原创
2021-07-12 11:48:04
701阅读
保存和载入模型方法保存模型首先建立一个tf.train.Saver，然后使用save方法保存会话sess即可。#之前为构建模型graph的操作
saver = tf.train.Saver()
with tf.Session as sess:
#进行训练，训练完毕后保存会话状态
saver.save(sess, "save_path/file_name")
#filenam
转载
2024-04-26 12:40:48
51阅读
目录一、TensorFlow常规模型加载方法 保存模型 加载模型 1.不加载图结构，只加载参数 2.加载图结构和参数 3.简化版本二、TensorFl
转载
2024-05-13 10:55:38
145阅读
1.模型的保存（代码）import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
#载入数据(可以是某盘的绝对路径)（我的数据存储在运行路径下）
#mnist = input_data.read_data_sets('C:\\Users\\ZSl\\Documents\\MNIST_data'
转载
2024-04-06 09:58:19
164阅读
训练机器学习模型的时候，需要先找数据集、下载、装数据集……太麻烦了，比如MNIST这种全世界都在用的数据集，能不能来个一键装载啥的？Google也这么想。 今天，TensorFlow推出了一个新的功能，叫做TensorFlow Datasets，可以以tf.data和NumPy的格式将公共数据集装载到TensorFlow里。目前已经有29个数据集可以通过Tenso
目录TensorFlow Datasets 数据集载入提示TensorFlow Datasets 数据集载入TensorFlow Datasets 是一个开箱即用的数据集集合，包含数十种常用的机器学习数据集。通过简单的几行代码即可将数据以 tf.data.Dataset 的格式载入。关于 tf.data.Dataset 的使用可参考 tf.data。该工具是一个独立的 Python 包，可以通过:pip install tensorflow-datasets安装。在使用时，首先使用 impo.
原创
2021-07-09 14:24:15
1833阅读
Minst训练模型源码:import tensorflow as tf #导入tensorflow库from tens
原创
2022-12-04 00:20:49
154阅读
目录一、TensorFlow常规模型加载方法保存模型加载模型1.不加载图结构，只加载参数 2.加载图结构和参数 3.简
原创
2023-01-09 15:21:49
3240阅读
TensorFlow推出2.0版本后，TF2.0相比于1.x版本默认使用Keras、Eager Execution、支持跨平台、简化了API等。这次更新使得TF2.0更加的接近PyTorch，一系列烦人的概念将一去不复返。本文推荐一位大神写的TF2.0的样例代码，推荐参考。 Github地址（32000+star）：https://github.com/aymericd
pytorch保存和加载模型简介1、state_dict是什么？2、在预测过程中保存和加载模型2.1仅保存模型参数（推荐存储方式）2.2 保存整个模型（不推荐的）3、保存和加载常规检查点(针对测试和恢复训练)保存加载4、在一个文件中保存多个模型5、使用一个不同模型的参数来预训练模型6、跨设备保存和加载模型6.1 保存在GPU上，在CPU上加载6.2保存在 GPU 上，加载在 GPU 上6.3保存
转载
2024-06-11 14:20:07
55阅读
（4）Leaky ReLUReLU是将所有的负值设置为0，造成神经元节点死亡的情况。相反，Leaky ReLU是给所有负值赋予一个非零的斜率。优点：（1）神经元不会出现死亡的情况。（2）对于所有的输入，不管是大于等于0还是小于0，神经元不会饱和（3）由于Leaky ReLU线性、非饱和的形式，在SGD中能够快速收敛。（4）计算速度要快很多。Leaky ReLU函数只有线性关系，不需要指数计算，不管
转载
2024-03-18 17:44:02
1030阅读
一、保存Tensorflow模型：1.保存文件说明Tensorflow模型主要包含网络的设计（图）和训练好的各参数的值等。所以，Tensorflow模型有两个主要的文件：1) graph.pbtxt:这其实是一个文本文件，保存了模型的结构信息2) checkpoint 文件:其实就是一个txt文件，存储的是路径信息3) .ckpt-*.meta: 其实和上面的graph.pbtxt作用一样都保存了
转载
2024-03-18 14:35:38
38阅读
1 把下载的游戏放入roms目录 2 运行Kawaks，点击载入游戏，勾选"仅存在的"，点击扫描所有游戏。然后会出现所有名字正确的游戏。你下载的zip如果有中文或者名字不对，都是无法识别的。比如下面我把"[游戏roms][neogeo]mslugx.zip"改成"mslugx.zip"就可以识别了。
转载
2017-03-18 13:45:00
913阅读
2评论
Wireshark C插件开发学习笔记1. Wireshark对C插件的支持Wireshark使用插件来实现协议解析，插件可以以两种方式实现：内置方式和插件方式。内置方式将解析器模块编译到主程序中，而插件方式以共享库/DLL形式存在，可以动态加载。内置方式 vs 插件方式内置方式：插件在主程序中编译，永远可用。对Windows平台，通过列于 libwireshark.def 中的函数，可以访问有限
参考网站： (主要参考) (caffe+cudaGPU) (cuDNN) http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1404/x86_64/ (cuda仓库包，要找到对应版本的cuda_repo***) http://superuser.com/questions/406507/installing-nvidi
随着嵌入式技术的发展和高速宽带网络的普及, 利用网络实现远程监控已为人们广泛接受, 嵌入式网络监控技术正是在此条件下逐步发展成熟起来的. 用户使用Web 浏览器, 通过以太网远程访问内置Web 服务器的监控摄像机, 不但可以实现对现场的远程视频监控, 而且可以向监控现场发送指令. 在整个系统的实现过程中, 嵌入式Web 服务器起着十分重要的作用, 因此, 在嵌
1.简述Gated Recurrent unit(GRU) 有哪两个gate？GRU的精神/主旨是什么？ 更新门update gate 重置门 reset gate 为了克服RNN无法很好处理远距离依赖而提出了LSTM,而GRU是LSTM的一个变体，GRU保持了 LSTM的效果同时又使结构构更加简单°GRU只剩下两个门，即
转载
2024-09-10 18:58:57
14阅读
正则表达式正则表达式为高级的文本模式匹配，抽取，与/或文本形式的搜索和替换功能提供了基础。正则表达式是一些由字符和特殊符号组成的字符串，它们描述了模式的重复或者表述多个字符。转义符\在正则表达式中，有很多有特殊意义的是元字符，比如\n和\s等，如果要在正则中匹配正常的"\n"而不是"换行符"就需要对""进行转义，变成’\’。在python中，无论是正则表达式，还是待匹配的内容，都是以字符串的形式出
## 使用LSTM和ReLU解决时间序列预测问题
在这篇文章中，我们将探讨如何使用长短期记忆网络（LSTM）和修正线性单元（ReLU）来解决时间序列预测问题。时间序列预测是一种重要的数据分析技术，在许多领域都有广泛应用，比如股票市场预测、天气预测等。
### LSTM和ReLU简介
LSTM是一种特殊的循环神经网络（RNN），它能够很好地处理时间序列数据，具有记忆能力，可以捕捉时间序列中的长
原创
2024-04-07 04:43:52
49阅读
