创建Tensorflow的模型在Android平台受到设备的限制，本身并不能训练模型，因此需要使用已有的模型。 在本文中将介绍如何将Tensorflow的模型转换成tflite模型，为Android设备可以使用。import tensorflow as tf
import numpy as np
转载
2024-04-11 14:48:07
202阅读
目录一、初识二、基础知识1. TensorFlow = Tensor + Flow2. 张量三、常量与变量1. 常量 constant2. 变量 variable3. 变量赋值四、在2.0中实现1.x的静态图执行模式1. TensorFlow计算模型 - 计算图2. 计算图的执行3. TensorFlow 2中实现图执行模式开发 注：本文语法都是基于TensorFlow2.0的一、初识impor
一、如何创建Tensortf.constant(数据)就可以创建一个tensor,tensor可以是任意的数据类型，在创建过程中，我们可以使用dtype=的参数来定义这个tensor的变量类型，但是要注意定义的类型与我们的数据类型是否相同。二、Tensor的常见属性转换设备# 从GPU转化成CPU
tensor.cpu()
# 从CPU转化成GPU
tensor.gpu()tensor.numpy
这块主要想围绕着用numpy实现tensorflow形式和pytorch形式的框架展开，主要是想践行numpy->mmcv/lightning->算法paper->mmdet/mmclas...这条路，进一步还是加强对于深度学习一些偏全局的理解，更好的对业务问题进行解耦和建模。1.计算
一、准备工作1、加载数据集import tensorflow as tf
import numpy as np
class MNISTLoader():
def __init__(self):
mnist = tf.keras.datasets.mnist
(self.x_train, self.y_train), (self.x_test, self.y
目录一、计算图模型1、图的构建2、图的执行二、常量的定义1、constant()2、常见常量的初始化zeros()ones()zeros_like() 和 ones_like()random_normal()fill()range()三、变量的定义variable()1.创建变量2.初始化变量3.保存变量4.加载数据四、placeholder五、重要概念-Fetch一、计算图模型Tensorflo
转载
2024-03-19 19:54:40
43阅读
TensorFlow2的高层封装使用Tensorflow2构建模型的3种方法使用Sequential按层顺序构建模型使用函数式API创建任意结构的模型使用Model子类化创建自定义模型训练模型的3种方法内置fit方法内置train_on_batch方法自定义训练循环使用GPU训练模型使用单GPU训练模型使用多GPU训练模型使用TPU训练模型使用Tensorflow-serving部署模型Tens
Tensorflow 2.0(Keras)转换TFlite以下脚本实现将Tensorflow2.0(Kget_spec.suppo...
原创
2022-08-24 17:18:39
831阅读
自定义层自定义层需要继承 tf.keras.layers.Layer 类，并重写 __init__ 、 build 和 call 三个方法，如下所示：class MyLayer(tf.keras.layers.Layer):
def __init__(self):
super().__init__()
# 初始化代码
def build(self,
转载
2024-04-05 13:14:34
66阅读
以SRCNN模型为例：1.以三色通道为基础： 模型迁移整体流程（旧）：将灰度化后的图片裁剪成n个33*33的小块将每个图片小块转化为float数组将每个float数组依次输入至模型中模型将每个小块数组进行模型处理，处理结果依次保存在一个大float数组 中，最后这个大数组就是最终的处理结果。float数组转图片。以下仅为个人想法，未经实践。 第一种，将float数组转为mat对象，然后将mat对象
转载
2024-03-27 11:29:16
78阅读
sagemaker 是aws的托管机器学习的服务，具体的请看什么是 Amazon SageMaker？ - Amazon SageMakerAmazon SageMaker 是一项完全托管的机器学习服务。借助 SageMaker，数据科学家和开发人员可以快速、轻松地构建和训练机器学习模型，然后直接将模型
转载
2024-06-15 17:03:42
80阅读
TensorFlow TensorFlow 是相对高阶的机器学习库，用户可以方便地用它设计神经网络结构，而不必为了追求高效率的实现亲自写 C++或 CUDA 代码。它和 Theano 一样都支持自动求导，用户不需要再通过反向传播求解梯度。其核心代码和 Caffe 一样是用 C++编写的，使用 C++简化了线上部署的复杂度，并让手机这种内存和CPU资源都紧张的设备可以运行复杂模型（Python 则
1、编译libtensorflow-lite.a库： ubuntu下交叉环境编译： https://blog..net/computerme/article/details/80345065 https://blog..net/dia323/article/details/89388
原创
2022-01-17 16:33:27
93阅读
1. 下载tensorflow源码
git clone https://github.com/tensorflow/tensorflow
2. 安装bazel
apt-get install openjdk-8-jdk
echo "deb [arch=amd64] http://storage.googleapis.com/bazel-apt stable jdk1.8" | sudo tee
原创
2021-07-10 11:12:07
953阅读
本文在Ubuntu下使用tensorflow的object detection API来训练自己的数据集。所用模型为ssd_mobilenet，也可以使用其他的模型。当然也可以在windows下训练，代码上没有多大差别，主要是配置环境那里，比较麻烦（windows和linux下都一样麻烦）。一、配置环境1. 在GitHub上下载所需的models文件，地址：https://github.com/t
转载
2023-11-01 14:03:08
118阅读
# Android TFLite（TensorFlow Lite）入门指南
在移动应用开发中，人工智能和深度学习的应用越来越广泛。TensorFlow Lite（TFLite）是一个轻量级的深度学习推理框架，专为移动和嵌入式设备设计。本文将介绍如何在Android应用中使用TensorFlow Lite，包括基本概念、安装步骤、代码示例以及数据流与数据关系图。
## 什么是TensorFlow
最近要做分割，所以尝试下FCN。作为分割领域的开创者，本以为应该很快搞定，不曾想被网上一大堆坑爹教程狠狠坑了几把。愤而记录一下，目标是真真实实的把事情说清楚，弄明白，不清不楚的说就是坑人啊！！一.下载源码1.github上有多个版本的，我推荐原版的。原版是tf0.12,py2.7的，很多人应该跟我一样因为版本问题没有用原版，可是之后下载了3个版本，都有问题，而原版我tf1.12,py3.6竟然没有
深度学习要想落地实践，一个少不了的路径即是朝着智能终端、嵌入式设备等方向发展。但终端设备没有GPU服务器那样的强大性能，那如何使得终端设备应用上深度学习呢？所幸谷歌已经推出了TFMobile，去年又更进一步，推出了TFLite，其应用思路为在GPU服务器上利用迁移学习训练自己的模型，然后将定制化模型移植到TFLite上，终端设备仅利用模型做前向推理，预测结果。本文基于以下三篇文章而成
转载
2024-03-10 14:31:18
347阅读
# Android Studio 使用 TensorFlow Lite 模型实现目标检测
