核心定义：主要类：tf.train.Saver类负责保存和还原神经网络自动保存为三个文件：模型文件列表checkpoint，计算图结构model.ckpt.meta，每个变量的取值model.ckpt。其中前两个自动生成。加载持久化图：通过tf.train.import_meta_graph("save/model.ckpt.meta")加载持久化的图以下文章转载自：（零尾）-----------
转载
2024-07-31 21:11:42
79阅读
考虑到要是自己去做一个项目，那么第一步是如何把数据导入到代码中，何种形式呢？是否需要做预处理？官网中给的实例mnist，数据导入都是写好的模块，那么自己的数据呢？ 一、从文件中读取数据（CSV文件、二进制文件、图片或其他格式） 读取文件，都需要一个阅读器reader和一个转换解码操作decode，不同格式的文件对应不同的接口API。 1）CSV文件：用的文件读取器和解码器是 T
转载
2024-07-29 09:56:44
137阅读
这个教程训练了一个神经网络模型来分类衣服的图像，比如运动鞋和衬衫。不理解所有的细节也没关系，这是一个快节奏的完整的TensorFlow程序的概述随着以后的深入学习会慢慢理解这些细节部分。 本教程使用tf.keras，一个在TensorFlow中构建和训练模型的高级API。from __future__ import absolute_import, division, print_function
转载
2024-02-26 12:52:58
17阅读
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-CbS0Nq7P-1574305383252)(https://cdn-images-1.medium.com/max/1600/1*SXwqxZm9rkZHS851jQrYJg.png)] 公共数据集为机器学习研究的快速发展提供了十足的动力(h/t Andrew Ng ），但仅将这些数据集放入机器学习管道仍然有诸多困难
转载
2024-03-22 08:35:39
38阅读
更新至 TensorFlow 2.0 alpha 版本 训练第一个神经网络导入 Fashion MNIST 数据集探索数据预处理数据建立模型设置网络层编译模型训练模型评估准确率作出预测 本指南训练一个神经网络模型，对运动鞋和衬衫等服装图像进行分类。如果你不了解所有细节也没关系，这是一个完整的 TensorFlow 程序的快速概览。本指南使用 tf.keras，这是一个高级 API，用于在 Tens
转载
2024-05-11 18:11:43
60阅读
一、概述通过之前两篇文章的学习，我们应该已经了解了多元分类的工作原理，图片的分类其流程和之前完全一致，其中最核心的问题就是特征的提取，只要完成特征提取，分类算法就很好处理了，具体流程如下：之前介绍过，图片的特征是不能采用像素的灰度值的，这部分原理的台阶有点高，还好可以直接使用通过TensorFlow训练过的特征提取模型（美其名曰迁移学习）。模型文件为：tensorflow_inception_gr
转载
2024-03-12 22:21:59
80阅读
TensorFlow Version == 2.0.0image_raw = tf.io.read_file('./img.jpg')image = tf.image.decode_image(image_raw, channels=None, dtype=tf.dtypes.uint8)print(image)image_raw = tf.io.gfile.GFile('./img.j...
原创
2022-12-07 14:10:06
133阅读
目标：介绍如何对图像数据进行预处理使训练得到的神经网络模型尽可能小地被无关因素所影响。但与此同时，复杂的预处理过程可能导致训练效率的下降。为了减少预处理对于训练速度的影响，TensorFlow 提供了多线程处理输入数据的解决方案。 TFRecord 输入数据格式 TensorFlow 提供了一种统一
原创
2021-08-27 09:59:05
205阅读
本人初学Tensorflow，在学习完用MNIST数据集训练简单的MLP、自编码器、CNN后，想着自己能不能做一个数据集，并用卷积神经网络训练，所以在网上查了一下资料，发现可以使用标准的TFrecords格式。但是，遇到了问题，制作好的TFrecords的数据集，运行的时候报错，网上没有找到相关的方法。后来我自己找了个方法解决了。如果有人有更好的方法，可以交流一下。1. 准备数据我准备的是猫和狗两
Non-local U-Nets for Biomedical Image Segmentation 简介自2015年以来，在生物医学图像分割领域，U-Net得到了广泛的应用，至今，U-Net已经有了很多变体。U-Net如下图所示，是一个encoder-decoder结构，左边一半的encoder包括若干卷积，池化，把图像进行下采样，右边的decoder进行上采样，恢复到原图
转载
2024-07-25 19:52:41
16阅读
简介 通过卷积我们可以提取图片的轮廓 可以进行图片平滑处理 可以处理彩色图片 黑白图片处理导包import numpy as np
import tensorflow as tf
import matplotlib.pyplot as plt
%matplotlib inline原图flower = plt.imread('./flower.png')
flower.shape
plt
转载
2024-09-13 20:45:07
26阅读
# 根据路径读取图片img = tf.io.read_file(img_path)# 解码图片，这里应该是解码成了png格式img = tf.image.decode_png(img, channels=1)# 大小缩放img = tf.image.resize(img, [28, 28])# 这一步转换张量数据类型很重要img = tf.cast(img, dtype=tf.uint8)# 编码回图片img = tf.image.encode_png(img)# 保存with tf.
原创
2021-08-12 22:36:01
1009阅读
目标：介绍如何对图像数据进行预处理使训练得到的神经网络模型尽可能小地被无关因素所影响。但与此同时，复杂的预处理过程可能导致训练效率的下降。为了减少预处理对于训练速度的影响，TensorFlow 提供了多线程处理输入数据的解决方案。 TFRecord 输入数据格式 TensorFlow 提供了一种统一
原创
2021-08-27 09:26:28
172阅读
图片是网页制作中很重要的素材，图片有不同的格式，每种格式都有自己的特性，了解这些特效，可以方便我们在制作网页时选取适合的图片格式。图片大致分为位图和矢量图两种。一、位图位图也叫点阵图，是由一个个的方形的像素点排列在一起拼接而成的，位图在放大时，图像会失真。下面讲的5种图像都属于位图。1、psdpsd是photoshop的专用格式，UI设计师使用photoshop设计效果图，最后会将psd格式的效果
转载
2024-10-15 19:14:41
49阅读
import tensorflow as tfa = tf.constant([1,5], dtype=tf.int32)print(a)print(a.shape)print(a.dtype)
原创
2022-05-08 13:57:44
203阅读
在eager问世之前（eager在2017.10发布，大概对应版本TensorFlow 1.4，但当前官方建议使用TensorFlow 1.8或以上版本运行eager），TensorFlow一直采用的是静态图机制，其实直到现在TensorFlow的静态图依然大行其道。本文就来介绍一下TensorFlow的静态图机制。何为静态图/动态图？静态图是指在图构建完成后，在模型运行时无法进行修改。这里的“图
转载
2024-07-05 08:15:20
34阅读
导读：本项目是基于论文《语义分割全卷积网络的Tensorflow实现》的基础上实现的，该实现主要是基于论文作者给的参考代码。该模型应用于麻省理工学院（http://sceneparsing.csail.mit.edu/）提供的场景识别挑战数据集。 项目所需的七大条件 结果是在12GB TitanX上训练大约6~7小时后获得的。 该代码最初是用tensorflow0.11和python2.7编
转载
2024-04-07 14:24:43
23阅读
TensorFlow程序读取数据一共有3种方法:供给数据(Feeding)： 在TensorFlow程序运行的每一步， 让Python代码来供给数据。从文件读取数据： 在TensorFlow图的起始， 让一个输入管线从文件中读取数据。预加载数据： 在TensorFlow图中定义常量或变量来保存所有数据(仅适用于数据量比较小的情况)。使用Tensorflow训练神经网络模型，首先要读取数据，宝宝参照
转载
2024-06-16 11:25:53
53阅读
&nbs
转载
2024-04-11 09:13:19
56阅读
本文的代码以及思路都是参考别人的，现在只是整理一下思路，做一些解释，毕竟是小白。https://www.kaggle.com/c/dogs-vs-cats-redux-kernels-edition/data代码分为三个部分，input_data.py处理原始数据，因为下载的数据图片大小不一致等，model.py编写网络的模型，使用了两个卷积层，两个池化层以及两个全连接层，最后是training.
转载
2024-04-19 13:32:51
55阅读
