优点Darknet是一个比较小众的深度学习框架，没有社区，主要靠作者团队维护，所以推广较弱，用的人不多。而且由于维护人员有限，功能也不如tensorflow等框架那么强大，但是该框架还是有一些独有的优点： 1.易于安装：在makefile里面选择自己需要的附加项（cuda，cudnn，opencv等）直接make即可，几分钟完成安装； 2.没有任何依赖项：整个框架都用C语言进行编写，可以不依赖任何
本文主要介绍了AutoRec自编码机与协同过滤思路融合的单层神经网络推荐模型，和TensorFlow2.0代码实践 1. 简介本篇文章先简单介绍论文思路，然后使用Tensoflow2.0、Keras API复现算法部分。包括：自定义模型自定义损失函数自定义评价指标RMSE就题目而言《AutoRec: Autoencoders Meet Collaborati
转载
2024-04-24 19:51:41
91阅读
作者：Kshitiz Rimal导读对图像分割方法Fast-SCNN的解释以及实现的代码分析。Fast Segmentation Convolutional Neural Network (Fast- scnn)是一种针对高分辨率图像数据的实时语义分割模型，适用于低内存嵌入式设备上的高效计算。原论文的作者是：Rudra PK Poudel, Stephan Liwicki and Roberto
转载
2024-08-08 22:13:37
25阅读
2、tf函数TensorFlow 将图形定义转换成分布式执行的操作, 以充分利用可用的计算资源(如 CPU 或 GPU。一般你不需要显式指定使用 CPU 还是 GPU, TensorFlow 能自动检测。如果检测到 GPU, TensorFlow 会尽可能地利用找到的第一个 GPU 来执行操作.
并行计算能让代价大的算法计算加速执行，TensorFlow也在实现上对复杂操作进行了有效的改进。大部分
摘要：本文介绍了tensorflow的常用函数。1、tensorflow常用函数TensorFlow 将图形定义转换成分布式执行的操作, 以充分利用可用的计算资源(如 CPU 或 GPU。一般你不需要显式指定使用 CPU 还是 GPU, TensorFlow 能自动检测。如果检测到 GPU, TensorFlow 会尽可能地利用找到的第一个 GPU 来执行操作.
并行计算能让代价大的算法计算加速执
转载
2024-05-17 13:00:29
27阅读
tensorflow：TensorFlow是一个通过计算图的形式来表述计算的编程系统——TensorFlow中的每一个计算都是计算图上的一个节点，而节点之间的边描述了计算之间的依赖关系。 在TensorFlow中，张量可以被简单理解为多维数组。 Flow：流、飞。直接表达了张量之间通过计算相互转化的过程 张量是TensorFlow管理数据的形式。在TensorFlow中，所有的数据都是通过张量的形
转载
2024-05-11 22:40:51
56阅读
tf.nn.l2_loss()的用法 计算张量的误差值 sum(t**2)/2l2_loss()这个函数的作用是利用L2范数来计算张量的误差值，但是没有开发并且只取L2范数的值的一半 函数：tf.nn.l2_loss(
t,
name=None
)参数：t：一个张量(tensor)，类型可以为：half, bfloat16, float32, float64name：op的一
转载
2024-03-31 08:45:45
30阅读
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。TensorFlow 最初由Goog
转载
2024-04-26 19:52:05
5阅读
前言 TensorFlow程序通常被组织成一个构建图阶段和一个执行图阶段 在构件阶段，数据（张量Tensor）与操作（节点op）的执行步骤被描述成一个图； 在执行阶段，使用会话（Session）执行构建好的图中的操作，图必须在会
转载
2024-05-17 14:58:59
85阅读
AutoGraph的机制原理有三种计算图的构建方式：静态计算图，动态计算图，以及Autograph。TensorFlow 2.0主要使用的是动态计算图和Autograph。动态计算图易于调试，编码效率较高，但执行效率偏低。静态计算图执行效率很高，但较难调试。而Autograph机制可以将动态图转换成静态计算图，兼收执行效率和编码效率之利。当然Autograph机制能够转换的代码并不是没有任何约束的
转载
2024-06-19 07:12:14
30阅读
文章目录1、梯度下降法变种1.1 批量梯度下降法 batch gradient descent1.2 随机梯度下降法 stochastic gradient descent1.3 小批量梯度下降法 mini-batch gradient descent2 、难点3、常用梯度优化算法3.1 Momentum3.2 Nesterov 加速梯度下降法3.3 Adagard3.4 Adadelta3.5
转载
2024-03-19 20:03:55
189阅读
一.神经网络模型可以理解为，给定多个输入，然后给定每个输入不同的权重值，和一定的偏置，最终可以给出一个输出。 如图,x就是我们的输入，w就是为不同的输入分配的权重值，b就是我们的偏置，最后就可以得到我们的输出y。 如果用矩阵的形式来看，可以用下面的图来表示： 我们给定输入的特征x，这个时候我们为了得到准确的输出y，前提是我们的w和b是准确可靠的。所以我们训练神经网络的过程就是找到这个w和b的过程。
转载
2024-05-14 19:59:02
76阅读
Tensorflow一些常用基本概念与函数（一） 1、tensorflow的基本运作为了快速的熟悉TensorFlow编程，下面从一段简单的代码开始：import tensorflow as tf
#定义‘符号’变量，也称为占位符
a = tf.placeholder("float")
b = tf.placeholder("float") y = tf.mul(a, b) #构造一个op
转载
2024-04-08 21:38:47
63阅读
文章目录重要概念从可视化开始来个栗子总结参考文献 重要概念首先，了解一下tensorflow中的一些基础的概念：0 tensorflow是一种符号式编程，特点是，网络结构的构建与运行完全分离。1 会话，它是定义图的基础，建立实例sess =tf.Session()后，会生成一张空图，为了实现特定的功能，需要在空图上定义节点与边。2 图，它是tensorlfow的一大特色，实际使用过程中，可以在图
转载
2024-03-26 05:06:40
79阅读
1、RMSprop 算法是一种自适应学习率的优化算法，其核心思想是通过统计相似梯度的平均值的方式来自动地调整学习率。一般来讲，我们会在梯度算法中引入一个衰减系数，使每一次衰减都有一定的比例。在TensorFlow 中，一般使用tf.train.RMSPropOptimizer()方法来创建一个优化器。2、Momentum 算法也是神经网络的常用优化算法之一，并且也属于梯度下降的变形算法。Momen
转载
2024-04-02 20:21:56
41阅读
该部分内容主要介绍了介绍了如何创建张量，对张量进行索引切片，维度变换和常见的数学运算等操作。1、数据类型标量、向量、矩阵。import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='2'
import tensorflow as tf
a = 1.2
aa = tf.constant(1.2) # 创建标量
b = tf.constant([1.2,
深度学习—Tensorflow内部原理（1）1、name_scope2、variable_scope 对于神经网络的初学者，一般都停留在tensorflow的使用阶段，而对于其内部原理不是特别清楚，针对这一现状，我通过查询相关资料，学习tensirflow的内部原理。 Tensorflow是一个基于计算图的运算框架，它的核心操作分为三步： （1）构建计算图。 （2）分发计算任务。 （3
转载
2024-03-19 10:58:11
35阅读
tensorflow一、梯度下降法（steepest descent (gradient descent) 梯度下降法是一个最优化算法，通常也称为最速下降法。最速下降法是求解无约束优化问题最简单和最古老的方法之一，虽然现在已经不具有实用性，但是许多有效算法都是以它为基础进行改进和修正而得到的。最速下降法是用负梯度方向为搜索方向的，最速下降法越接近目标值，步长越小，前进越慢。可以用于求解非线性方程组
转载
2024-03-20 22:05:29
11阅读
在UI自动化测试中，界面控件识别是基石。在计算机视觉领域中，有很多经典的目标识别模型，我们尝试将YOLO模型迁移至自动化测试领域界面控件识别中。迁移训练后的模型需要部署到生产环境，TensorFlow Serving是一种模型部署方法，只需几行简单的代码就可以维护模型的整个生命周期。下面将以原YOLO V3 tensorflow版模型为例从环境准备、模型格式转换、服务部署和调用以及最后的性能对比四
转载
2024-05-13 13:51:21
77阅读
1. 随机梯度下降法SGD：tf.train.GradientDescentOptimizer 收敛速度不如其他优化算法2. Adadelta：tf.train.AdadeltaOptimizer 使用Adadelta我们甚至不需要设置一个默认学习率，在Adadelta不需要使用学习率也可以达 到一个非常好的效果。3. Adagradtf.train.AdagradOptimizer 它是基于SG
转载
2024-03-03 21:21:46
10阅读
