在之前写的一篇文章 TensorFlow，从一个 Android Demo 开始 中通过编译官方的 Demo 接触到了 TensorFlow 实际使用场景。这篇文章打算从一个Android 开发者的角度切入，看看构建一个基于 TensorFlow 的 Android 应用的完整流程。相关代码可查看：GitHub 项目地址通过 TensorFlow 用已有模型构建 Android 应用在 Googl
转载
2024-05-13 10:32:49
27阅读
一、.ckpt转.pb用于模型上线.ckpt转.pb主要应用于将训练模型发布上线，.pb模型的跨平台和跨框架性能更好。这里由于在保存.pb模型前需要将模型变量freezing。在应用tensorflow训练模型时，输入数据的batch_size>1，直接保存.pb模型时会在inference阶段出现问题，所以需要从.ckpt转为.pb。在加载.ckpt时可以重新定义输入数据的batch_si
转载
2024-03-20 15:28:22
46阅读
Tensorflow的部署之 TensorFlow 模型导出
目录 Tensorflow教程笔记 使用 SavedModel 完整导出模型 Keras 自有的模型导出格式 为了将训练好的机器学习模型部署到各个目标平台(如服务器、移动端、嵌入式设备和浏览器等)，我们的第一步往往是将训练好的整个模型完整导出(序列化)为一系列标准格式的文件。在此基
转载
2024-03-09 20:03:23
54阅读
# #作者：韦访 #欢迎大家一起学习 #1、概述TF-slim是tensorflow的一个轻量级库，它将很多常见tensorflow函数进行封装，使的模型的构建、训练、测试都更加简洁，特别适用于构建结构复杂的深度神经网络。github地址为：https://github.com/tensorflow/models/tree/master/research/slim2、下载models模块到htt
转载
2024-05-13 12:10:39
117阅读
在前面的文章【Tensorflow加载预训练模型和保存模型】中介绍了如何保存训练好的模型，已经将预训练好的模型参数加载到当前网络。这些属于常规操作，即预训练的模型与当前网络结构的命名完全一致。本文介绍一些不常规的操作：如何只加载部分参数？如何从两个模型中加载不同部分参数？当预训练的模型的命名与当前定义的网络中的参数命名不一致时该怎么办？1 只加载部分参数举个例子，对已有的网络结构做了细微修改，例如
转载
2024-05-06 10:14:19
25阅读
在移植现有模型（除tensorflow.js）进行物体检测、人脸检测、人脸识别后，我发现一些模型不能以最佳性能发挥。而tensorflow.js在浏览器中表现相当不错，如果你想见证浏览器内部机器学习的潜力以及tensorflow.js为我们的Web开发人员提供的所有可能性，我个人建议你可以尝试下。但是，由于深度学习模型无法直接在浏览器中运行，因为这些模型不是专为在浏览器中运行而设计的，更不用说在移
转载
2024-07-29 16:35:06
46阅读
实现过一个例子之后，对TensorFlow运行机制有了初步的了解，但脑海中还没有一个如何实现神经网络的一个架构模型。下面我们来探讨如何模块化搭建神经网络，完成数据训练和预测。首先我们将整体架构分为两个模块：forward.py 和 backward.pyforward.py 主要完成神经网络模型的搭建，即构建计算图backward.py 训练出网络参数test.py 测试模型准确率下面
转载
2024-04-12 12:24:06
55阅读
目前tensorflow是深度学习中非常流行的一个工具包，它是由google研发的，其基本原理是计算图的模型。安装目前版本(2017年5月）的tensorflow支持直接进行pip进行安装，但唯一需要注意的一点是目前只支持python3版本pip3 install tensorflow入门1）placeholder placeholder顾名思义只是起到占位的作用，一般只是首先指明数据类型，而具
转载
2024-06-09 11:25:56
19阅读
# 如何使用TensorFlow训练完成的模型
欢迎来到TensorFlow的世界！TensorFlow是一个强大的深度学习框架，让我们能够轻松构建各种机器学习模型。在这篇文章中，我将向您展示如何使用TensorFlow训练完成的模型，并通过代码示例来演示整个流程。
## 整体流程
在使用已经训练完成的TensorFlow模型之前，我们需要完成以下几个步骤。下表展示了整个流程的步骤：
|
原创
2024-05-06 11:34:38
134阅读
TensorFlow 模型保存/载入我们在上线使用一个算法模型的时候，首先必须将已经训练好的模型保存下来。tensorflow保存模型的方式与sklearn不太一样，sklearn很直接，一个sklearn.externals.joblib的dump与load方法就可以保存与载入使用。而tensorflow由于有graph, operation 这些概念，保存与载入模型稍显麻烦。一、基本方法网上搜
转载
2024-02-24 19:06:46
79阅读
趁着最近有点时间，花几天时间把tensorflow教程整理出来(红色表示没有完成)High level apis：estimators是一个高级接口，极大简化了机器学习的编程，它能够实现：训练，评估，预测，export for serving两种使用方法：1：使用pre-made estimators，2：自己写(custom) estimators 都基于（tf.estimator.
转载
2024-05-27 14:47:53
22阅读
在这篇 TensorFlow 教程中，我们将学习如下内容：TensorFlow 模型文件是怎么样的？如何保存一个 TensorFlow 模型？如何恢复一个 TensorFlow 模型？如何使用一个训练好的模型进行修改和微调？1. TensorFlow 模型文件在你训练完一个神经网络之后，你可能需要将这个模型保存下来，在后续实验中使用或者进行生产部署。那么，TensorFlow 模型文件长什么样呢？
转载
2024-09-19 20:37:56
107阅读
TensorFlow 笔记5–模型复用参考文档：https://github.com/ageron/handson-ml/blob/master/11_deep_learning.ipynb一、模型复用法1：直接拷贝构建模型的代码# 只需在session中恢复模型数据，注意路径替换
with tf.Session() as sess:
saver.restore(sess, "./my_m
转载
2024-03-29 15:02:15
24阅读
文章目录1.Keras 的分布式训练2.多工作器（worker）配置 1.Keras 的分布式训练概述
tf.distribute.Strategy API 提供了一个抽象的 API ，用于跨多个处理单元（processing units）分布式训练。
它的目的是允许用户使用现有模型和训练代码，只需要很少的修改，就可以启用分布式训练。#定义分配策略
#创建一个 MirroredStrategy
一、在安装tensorflow-gpu2.1.0之前，首先需要确定我们的电脑到底支不支持gpu，具体的查看方式如下图所示：首先选中“我的电脑”单击右键---->“管理”---->“设备管理器”---->“显示适配器”---->查看是否有NVIDIA显卡，要是有就表示我们可以安装tensorflow-gpu，否则我们只能安装不支持gpu的tensorflow版本。
转载
2024-03-14 21:07:36
141阅读
作者：chen_h Keras 是提供一些高可用的 Python API ，能帮助你快速的构建和训练自己的深度学习模型，它的后端是 TensorFlow 或者 Theano 。本文假设你已经熟悉了 TensorFlow 和卷积神经网络，如果，你还没有熟悉，那么可以先看看这个10分钟入门 TensorFlow 教程和卷积神经网络教程，然后再回来阅读这个文章。在这个教程中，我们将学习以下几个方面：
转载
2024-08-20 17:33:19
32阅读
我们先定义一个简单的神经网络，用来训练模型，然后将模型保存下来，最后加载保存下来的模型进行检测，查看输出结果。#模型训练和保存
import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
#载入数据集
mnist = input_data.read_data_sets("MNIST_data
转载
2023-10-09 15:19:15
273阅读
tensorflow模型优化一般利用tensorflow训练出来的模型包含4个文件：check_point文件，指定模型存放路径的文件.data文件，存放模型的权重文件.index文件，存放网络节点的索引.meta文件，存放网络图结构当我们在自己的电脑上实验时，固然可以先加载meta文件获得网络图结构，再加载.data文件加载权重，然后进行推理(inference)。但是在生产环境下，这样做就有些
转载
2024-04-12 15:57:00
66阅读
升级版见：TensorFlow 使用 tf.estimator 训练模型（预训练 ResNet-50）。 前面的文章已经说明了怎么使用 TensorFlow 来构建、训练、保存、导出模型等，现在来说
转载
2024-02-29 15:14:22
157阅读
TensorFlow 读书笔记之一TensorFlow 的计算模型、数据模型和运行模型(1)计算模型-计算图在 TensorFlow 中，张量(Tensor)可以被简单地理解为多维数组。如果说 TensorFlow 的第一个词 Tensor 表明了它的数据结构，那么 Flow 则体现了它的计算模型。Flow 翻译成中文是“流”，它直观地表达了张量之间通过计算相互转化的过程。 TensorFlow
转载
2024-08-16 08:18:27
23阅读
