文章目录TensorFlow Python API 升级实用程序Report注意事项测试 没有在 API 文档查看到过关于 tensorflow 版本直接切换的内容，在 tensorflow git 上倒是有介绍 版本升级的工具。自己试了一下发现能解决比较多的问题，但是仍然有一些需要手动修改，比如被移出 tf 的模块。 TensorFlow Python API 升级实用程序允许升级现有的 T
转载
2024-03-15 09:52:47
31阅读
基本概念1、 基于 Tensorflow 的 NN：用张量表示数据，用计算图搭建神经网络，用会话执行计算图，优化线上的权重（参数），得到模型。2、 张量：张量就是多维数组（列表），用“阶”表示张量的维度。 0 阶张量称作标量，表示一个单独的数； 如：S=123 1 阶张量称作向量，表示一个一维数组； 如：V=[1,2,3] 2 阶张量称作矩阵，表示一个二维数组，它可以有 i 行 j 列个元素，每个
在上一篇关于使用Google Cloud AutoML训练图像标签模型之后，我们将研究如何训练另一种模型来识别和定位图像中的对象，即对象检测模型！与图像标记（或图像分类）相反，在该模型中，模型根据某些类别或类别标记输入图像，而对象检测模型将改为从图像中检测对象（您已经训练过的对象）及其位置。下面展示这两种技术之间差异的图片：如你所见，在正确的图像上，我们不仅得到检测到的物体（狗），而且还得到包含狗
转载
2024-04-18 23:54:01
44阅读
GPU环境的配置 在深度学习中，模型往往很复杂，数据量很大，此时使用GPU运行会快很多。而使用GPU就需要安装CUDA和CuDNN。本文是为了使用tensorflow的gpu版本而使用的GPU。 （1）GPU的配置 首先，要使用TensorFlow的GPU，需要达到的硬件前提：显卡类型是NVIDIA，显卡的计算能力要至少达到3.0。 可以在下面的网站查看： https://developer.nv
转载
2024-03-03 21:09:24
65阅读
1. Batch Normalization对卷积层来说，批量归一化发生在卷积计算之后、应用激活函数之前。训练阶段：如果卷积计算输出多个通道，我们需要对这些通道的输出分别做批量归一化，且每个通道都拥有独立的拉伸和偏移参数，并均为标量。假设小批量中有 m 个样本。在单个通道上，假设卷积计算输出的高和宽分别为p和q。我们需要对该通道中m×p×q个元素同时做批量归一化。对这些元素做标准化计算时，我们使用
转载
2024-05-06 17:33:40
46阅读
本文为 AI 研习社编译的技术博客，原标题 ：
How to deploy TensorFlow models to production using TF Serving 作者 | Thalles Silva 翻译 | 胡瑛皓 校对 | Pita 审核 | 约翰逊·李加薪 整理 | 立鱼王 原文链接： https:// me
# 建立神经网络模型 model = keras.Sequential([ keras.layers.Flatten(input_shape=(28, 28)), # 将输入数据的形状进行修改成神经网络要求的数据形状 keras.layers.Dense(128, activation=tf.nn.
原创
2021-08-25 14:23:02
643阅读
RNN和LSTMRNNRNN循环神经网络对处理时间系列的数据或周期性数据很有用。在传统的神经网络中，只是在深度上进行多层的连接，层与层之间具有连接，但是在同一层内部节点之间没有连接。这对于处理前后有关系的数据无能为力，RNN则考虑了这一点，在广度上也进行连接。具体的，RNN网络会对前面的信息进行记忆并应用于当前的输出的计算中，即隐藏层的输入不仅包含输入层的输出还包含上一时刻隐藏层的输出。理论上，R
转载
2024-10-12 12:11:18
12阅读
一、自定义权值tf.nn.conv2d基于输入X: [batch_size,高，宽，通道数] 和卷积核W: [卷积核大小，卷积核大小 ，输入通道数，卷积核数量] 进行卷积运算，得到输出 O [batch_size，新的高，新的宽，卷积核数量] import tensorflow as tf
x = tf.random.normal([2,5,5,3]) # 模拟输入，3 通道，
转载
2024-04-13 09:28:39
22阅读
网络层设备1.路由器2.输入端口对线路上收到的分组的处理3.输出端口将交换结构传送来的分组发送到线路4.三层设备的区别5.路由表和路由转发
原创
2021-08-14 09:48:23
519阅读
1、网卡工作在 OSI 的第几层，有什么功能。第一层（物理层）和第二层（数据链路层）局域网传输介质之间的物理连接和电信号匹配 ,帧的发送与接收、帧的封装与拆封、介质访问控制、数据的编码与解码以及数据缓存的功能。2、中继器在 OSI 的第几层，有什么功能。第一层（物理层）局域网上所有节点的中心， 它的作用是放大信号， 补偿信号衰减，支持远距离的通信。3、集成器在 OSI 的第几层，有什么功能。 第一
转载
2024-01-03 13:51:34
85阅读
文章目录使用 pip 安装 TensorFlow1. 环境准备2. 创建虚拟环境（推荐）3. 安装 TensorFlow pip 软件包TensorFlow2 快速入门1. 模型构建2. 参数配置3. 训练和评估训练配置输入数据小型数据大型数据集评估和预测4. 构建复杂模型函数式API模型子类化自定义层回调5. 模型保存与恢复保存权重保存网络结构保存整个模型常用函数速查常用 LayerDense
转载
2024-05-12 15:20:16
92阅读
声明：1. 我和每一个应该看这篇博文的人一样，都是初学者，都是小菜鸟，我发布博文只是希望加深学习印象并与大家讨论。2. 我不确定的地方用了“应该”二字首先，通俗说一下，CNN的存在是为了解决两个主要问题：1. 权值太多。这个随便一篇博文都能解释2. 语义理解。全连接网络结构处理每一个像素时，其相邻像素与距离很远的像素无差别对待，并没有考虑图像内容的空间结构。换句话说，打乱图像像素的输入顺序，结果不
转载
2024-03-06 12:40:22
35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
随着大量物联网场景开始涌现，海量碎片化设备和巨量时序数据给物联网平台带来了一系列新的要求和新的技术挑战。海量设备管理的技术挑战高效灵活的设备检索从设备管理运维的视角出发，除一般检索产品应具备的低RT、高QPS、高稳定性外，物联网平台还需为用户提供全面的数据、尽可能短的可见时延、灵活的查询，所面临的主要技术挑战包括亿级数据、数据高频变更、数据的时序特性、无 冷热特征、结构松散和数据异构。海量设备的管
一、Tensorboard介绍1.1 Tensorboard的数据形式利用Tensorboard可以记录和展示以下数据形式：标量Scalars图片Images音频Audio模型图Graph数据分布Distribution直方图Histograms嵌入向量Embeddings1.2 Tensorboard的可视化过程（1）首先要建立一个模型图Graph，然后可视化你想从这个Graph中获取的某些数据
首先对tensorflow模型有个直观的了解：我们逐个介绍：四个文件，分别是checkpoint(记录模型文件列表) .data和.index(存储训练好的参数包括weight，biase,etc)、 &nbs
一图看懂tensorflow模型存储和恢复一图讲解仅保存权重和偏置模型的保存方法 一图讲解每次跟随教程进行深度学习模型训练过程中，都要把下载数据，搭建模型，训练模型，预测的过程走一遍，尤其是我们针对同一个数据进行不同方向学习的时候，我们要把一个相同的模型来回跑数次，大量的时间写重复的代码会极大的降低我们的学习积极性，那么如何将我们计算好的模型封装起来，下次遇到相同情况直接调用呢？下面我将结合te
""" Please note, this code is only for python 3+. If you are using python 2+, please modify the code accordingly. """ import tensorflow as tf from skl
原创
2021-08-25 14:47:27
122阅读
如题，deeplabv3中提供的网络图如下所示：tensorflow 的代码实现如下所示：def atrous_spatial_pyramid_pooling(inputs, filters=256, regularizer=None): #ASPP层 ''' Atrous Spatial Pyramid Pooling (ASPP) Block ''' ...
原创
2021-11-16 15:13:35
268阅读
