一、概述本博文基于tensorflow的官方指南，演示一个基本分类的例子，环境为win10+spyder3.3.3+python3.6，直接上代码。 二、代码与运行结果1、导入依赖库# TensorFlow and tf.keras
import tensorflow as tf
from tensorflow import keras
# Helper libraries
impor
import tensorflow as tf
import numpy as np
import os
#%% fileos
def get_files(file_dir):
cats =[]
label_cats = []
dogs = []
label_dogs =[]
转载
2024-02-13 15:02:24
56阅读
1.数据类型TensorFlow主要有以下几种数据类型2.张量1.张量定义TensorFlow 中的 Tensor 表示张量，是多维数组、多维列表，用阶表示张量的维数。0 阶张量叫做标量，表示的是一个单独的数，如 1 2 3；1 阶张量叫作向量，表示的是一个一维数组如[1,2,3]；2 阶张量叫作矩阵，表示的是一个二维数组，它可以有 i 行 j 列个元素，每个元素用它的行号和列号共同索引到，如在[
转载
2024-07-26 07:39:00
89阅读
最近下决心要好好学习一下，从11月4日开始学习《Tensorflow实战》这本书，跟着书上一句句敲代码并调试，中间遇到了如下一些常见问题：1.tensorflow首先通过定义好计算图，然后再把真实的数据喂进图中来得到一个结果。有点像形参和实参的意味。喂进数据的时候也就是先获得输入，然后获得输出：image_batch, label_batch = sess.run([train_image, tr
转载
2024-04-06 11:09:24
68阅读
AI 前线导读： 文本分类是指将给定文本按照其内容判别到一个或多个预先确定的文本类别中的过程。文本分类计数用于识别文档主题，并将之归类到预先定义的主题或主题集合中。需要注意的是，多类文本分类与多标签分类并不同，其中多类分类区别于二分类问题，即在 $n (n>2)$ 个类别中互斥地选取一个作为输出；而多标签分类，是在 n 个标签中非互斥地选取 $m (m 本文介绍了如何基于="" t
转载
2024-10-22 20:42:17
24阅读
在上一篇文章中，我们介绍了 高效的数据流水线模块 tf.data 的基本使用方式。本篇文章我们将介绍如何通过 prefetch 和 map 的并行化参数，让 tf.data 的性能得到明显提升。使用 tf.data 的并行化策略提高训练流程效率当训练模型时，我们希望充分利用计算资源，减少 CPU/GPU 的空载时间。然而有时，数据集的准备处理非常耗时，使得我们在每进行一次训练前都需要花费大量的时间
转载
2024-10-12 20:33:50
33阅读
在上一篇文章中，我们介绍了 高效的数据流水线模块 tf.data 的基本使用方式。本篇文章我们将介绍如何通过 prefetch 和 map 的并行化参数，让 tf.data 的性能得到明显提升。使用 tf.data 的并行化策略提高训练流程效率当训练模型时，我们希望充分利用计算资源，减少 CPU/GPU 的空载时间。然而有时，数据集的准备处理非常耗时，使得我们在每进行一次训练前都需要花费大量的时间
转载
2024-10-15 18:13:49
26阅读
深度学习本质上是表示学习，它通过多层非线性神经网络模型从底层特征中学习出对具体任务而言更有效的高级抽象特征。针对一个具体的任务，我们往往会遇到这种情况：需要用一个针对特定任务已经被训练好的模型学习出特征表示，然后将学习出的特征表示作为另一个模型的输入。这就要求我们会获取模型中间层的输出，下面以具体代码形式介绍两种具体方法。深度学习具有强大的特征表达能力。有时候我们训练好分类模型，并不想用来进行分类
转载
2024-03-18 23:10:35
100阅读
1.TensorFlow简介TensorFlow是一个采用数据流图（data flow graphs），用于数值计算的Google开源软件库，为机器学习工程中的问题提供了一整套解决方案。Tensor(张量)意味着 N 维数组，Flow(流)意味着基于数据流图的计算，TensorFlow即为张量从图的一端流动到另一端。2.TensorFlow优点 第一，基于Python，写的很快并且具有可
转载
2024-03-05 10:07:57
202阅读
tensorflow2.0基础二一、查看版本import tensorflow as tf
print("TensorFlow版本是：",tf.__version__)
#显示Tensorflow版本，注意：是两个下划线区别一：输出数值#tensorflow输出节点数值时要使用一个会话
#tensorflow2.0版本可以使用numpy()方法，以下是使用numpy（）方法输出数值
import
转载
2024-03-21 07:40:10
201阅读
前一节介绍了一些最基本的概念和使用方法。因为我个人的最终目的还是在深度学习上，所以一些深度学习和机器学习模块是必须要了解的，这其中包括了tf.train 、tf.contrib.learn、还有如训练神经网络必备的tf.nn等API。这里准备把常用的API和使用方法按照使用频次进行一个排列，可以当做一个以后使用参考。这一节介绍的内容可以有选择的看
转载
2024-08-06 14:20:28
57阅读
目录（注意本文jupyterlab编写）预先导入数据数据API数据样式乱序数据shuffle乱序（小数据集）大数据集乱序训练测试和绘制图像小结TFRecord格式TFRecord的简单创建读取TFRecord压缩和读取协议缓冲区（TensorFlow协议）:序列化写入加载和解析Example预处理输入特征标准化连续数值离散化int输出模式独热码输出模式multi_hot输出模式count（计数）
转载
2024-10-17 14:57:01
20阅读
0. tf.keras与Keras的关系与区别：Kras是Python编写的开源神经网络库。可以作为Tensorflow，Microsoft-CNTK和Theano的高阶应用程序接口，进行深度学的模型的设计，调试，评估，应用和可视化。它被设计为高度模块化和容扩展的高层神经网络接口。可以使得用户不需要过多的专业知识就可以简介，快速的完成模型的搭建和训练。Keras库分为前端和后端，期中后端一般是调用
1.Tensorflow基础关于TensorflowTensorFlow™ 是一个采用数据流图（data flow graphs），用于数值计算的开源软件库。节点（Nodes）在图中表示数学操作，图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）。它灵活的架构让你可以在多种平台上展开计算，例如台式计算机中的一个或多个CPU（或GPU），服务器，移动设备等等。数据流图
转载
2024-06-20 21:15:17
34阅读
为了使用TensorFlow，我们需要明白什么是Tensorflow。下面介绍Tensorflow的5个特征：用图来表示计算过程用Sessions（会话）来执行图使用tensors来表示数据使用Variables来维护状态使用feeds和fetches操作对任意的操作取出或者存入数据1. 综述Tensorflow是一个编程系统，你需要把计算用图来表示。图中的节点被称作ops（操作，operatio
转载
2024-07-11 08:40:27
28阅读
tensorflow提供了三种不同的加速神经网路训练的并行计算模式（一）数据并行：（二）模型并行：（三）流水线并行：主流深度学习框架对比（2017）：第一章Tensorflow实现Softmax Regression识别手写数字 这是深度学习领域一个非常简单的hello world式的项目：数据集：28x28像素的手写数字组成。1.在导入mnist 数据集时，会碰到一系列的问题，在这里做
自己开发了一个股票智能分析软件，功能很强大，需要的点击下面的链接获取：1.1 模型和层1.1.1 简介层：就是将输入数据和变量之间进行计算的方法，可以理解为一个个函数。tf.Keras.layers中包含了大量的深度学习中常用的预定义层，也可以自定义层。模型：则是将各种层进行组织和连接，封装
转载
2024-09-16 19:27:11
11阅读
我主要分三篇文章给大家介绍tensorflow的损失函数，本篇为tensorflow自定义损失函数。 （一）tensorflow内置的四个损失函数 （二）其他损失函数 （三）自定义损失函数自定义损失函数是损失函数章节的结尾，学习自定义损失函数，对于提高分类分割等问题的准确率很有帮助，同时探索新型的损失函数也可以让你文章多多。这里我们介绍构建自定义损失函数的方法，并且介绍可以均衡正负例的los
1、一些基本概念 tensorflow是一个框架，Google 开源的基于数据流图的科学计算库，适合用于机器学习、深度学习等人工智能领域.Tensor（张量）意味着N维数组，Flow（流）意味着基于数据流图的计算，TensorFlow为张量从流图的一端流动到另一端计算过程。这些听着可能有些抽象，没关系，我们可以根据具体案例学习。还有一个重要的概念----会话（session）,用来计算任务。2、创
转载
2024-03-25 20:31:29
46阅读
TensorFlow2的建模流程
1. 使用Tensorflow实现神经网络模型的一般流程
2. Titanic生存预测问题
2.1 数据准备
2.2 定义模型
2.3 训练模型
2.4 模型评估
2.5 使用模型
2.6 保存模型
参考资料
在机器学习和深度学习领域，通常使用TensorFlow来实现机器学习模型，尤其常用
转载
2024-03-19 00:09:13
187阅读
