文章目录TensorFlow 是什么TensorFlow架构Graphtf.constant 本文tensorflow 版本1.12(先介绍1.x的版本，后面再学2.x的版本) TensorFlow 是什么TensorFlow 是一个开源的、基于 Python 的机器学习框架，它由 Google 开发，并在图形分类、音频处理、推荐系统和自然语言处理等场景下有着丰富的应用，是目前最热门的机器学习框
转载
2024-04-02 22:13:10
23阅读
Module: tf.data 1 @@Dataset
2 @@Iterator
3 @@TFRecordDataset
4 @@FixedLengthRecordDataset
5 @@TextLineDataset 以上均是tf.data的类，分别讲述，这五个不同的类的定义和使用方式tf.data.DatasetRepresents a potentially la
本文介绍了tensorflow的常用函数，源自网上整理。 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，TensorFlo
转载
2024-03-21 11:27:49
84阅读
系列文章目录第二章 TensorFlow 深度学习入门之 TensorFlow的核心概念目录系列文章目录文章目录前言一、三种计算图之间的关系二 、静态计算图1 TensorFlow1.0 中的静态计算图2 TensorFlow2.0 中的静态计算图三、 动态计算图四、TensorFlow2.0的Autograph前言计算图由节点(nodes)和线(edges)组成。
转载
2024-04-18 09:20:36
25阅读
第一篇（常用数学运算）基本数学运算加减乘除运算：tf.add(x, y) # 逐个元素 加
tf.subtract(x, y) # 减
tf.multiply(x, y) # 乘
tf.divide(x ,y) # 除
tf.math.mod(x, y) # 取模
a = tf.constant([0, 1, 2])
b = tf.constant([3, 4, 5])
tf.add(
转载
2024-04-03 19:59:59
37阅读
import numpy as npimport tensorflow as tfimport osfrom tensorflow.python.framewor.array([1., 3., 5., 7., 9.])
原创
2022-07-09 00:13:20
67阅读
tensorflow 学习笔记（七）- 卷积层在之前我们有做tensorflow的实例的运行了，但是可能有些读者还是不知道每一层中的参数的含义，所以之后的几篇文章将从tensorflow中的每一层的参数的含义出发，来给大家介绍一下。在tf1.0中，对卷积层重新进行了封装，比原来版本的卷积层有了很大的简化。一、旧版本（1.0以下）的卷积函数：tf.nn.conv2dconv2d(
input
一. TensorFlow内的基本概念图的构建 1.初始化图tf.reset_default_graph()用于清除默认图形堆栈并重置全局默认图形.2.构建新的图g1 = tf.Graph()
g2 = tf.Graph()3.在图中定义张量with g1.as_default():
a = tf.constant([1.0, 1.0])
b = tf.constant([1.0, 1
转载
2024-08-12 22:53:06
38阅读
一、数学计算1.加减乘除加法：tf.math.add( x, y, name=None)减法：tf.math.subtract( x, y, name=None )乘法：tf.math.multiply( x, y, name=None )除法：tf.math.divide( x, y, name=None )2.指数、开方、对数指数：tf.math.pow( x, y, name=None ),
转载
2024-04-17 16:44:47
100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
图像操作图像基本概念在图像数字化表示当中，分为黑白和彩色两种。在数字化表示图片的时候，有三个因素。分别是图片的长、图片的宽、图片的颜色通道数。那么黑白图片的颜色通道数为1，它只需要一个数字就可以表示一个像素位；而彩色照片就不一样了，它有三个颜色通道，分别为RGB，通过三个数字表示一个像素位。TensorFlow支持JPG、PNG图像格式，RGB、RGBA颜色空间。图像用与图像尺寸相同(height
转载
2024-03-02 09:04:36
37阅读
作者丨stephenDC编辑丨zandy什么是计算图？一个机器学习任务的核心是模型的定义以及模型的参数求解方式，对这两者进行抽象之后，可以确定一个唯一的计算逻辑，将这个逻辑用图表示，称之为计算图。计算图表现为有向无环图，定义了数据的流转方式，数据的计算方式，以及各种计算之间的相互依赖关系等。计算图的基本组成TensorFlow的计算图粒度比较细，由节点和有向边组成（后来也加入了层）。相比之下，腾讯
目录 图像基本概念图像基本操作图像基本操作API图像读取API狗图片读取CIFAR-10二进制数据读取TFRecordsTFRecords存储TFRecords读取方法 图像基本概念在图像数字化表示当中，分为黑白和彩色两种。在数字化表示图片的时候，有三个因素。分别是图片的长、图片的宽、图片的颜色通道数。那么黑白图片的颜色通道数为1，它只需要一个数字就可以表示一个像素位；而彩色照片就不一样了，
转载
2024-05-17 15:00:03
97阅读
什么是计算图？基于TensorFlow这个编程系统中的每一个计算都是计算图上的一个节点，而节点与节点之间的连线则代表计算之间的依赖关系。 以一个最简化的计算图来说明： 上图中，a，b代表一个节点，add也是一个节点，只是它参与了计算的工作。而这个简单的运算，我们需要在一个图中运行，而要想使用这张图，我们就要用到熟悉的sess.run()会话操作来运行。 参考：https://www.jianshu
转载
2024-08-19 20:35:24
13阅读
图运算模式（Graph Execution模式）在TensorFlow2.0中，我们可以使用@tf.function装饰器实现Graph Execution，从而将模型转换为易于部署且高性能的TensorFlow图模型。@tf.function装饰器 使用静态编译将函数内的代码转换为计算图。@tf.function对函数内可使用的语句有一定的限制（仅支持python语言的一个子集），且需要函数内
原创
2022-01-14 14:29:18
489阅读
前言 关于TF的目标检测迁移学习，我一开始是想通过Tensorflow提供的API，用JS来实现的。但是官方不但没有案例，网上也没有踩坑的博客，加之我又着急要弄水印检测。 于是就在网上看了很多人用python实现的自定义训练，我也试过很多。运行的时候各种问
1.TensorFlow Model模型库https://github.com/tensorflow/models TensorFlow 模型库包含了很多开源的模型，包括图像分类、检测、自然语言处理NLP、视频预测、图像理解等等，我们要学习的对象检测api也包括在这里面。如果想要训练自己的模型，需要下载它的源码TensorFlow学习过程中需要学习和参考的训练策略
转载
2024-05-12 20:05:11
57阅读
TensorFlow运行模型-会话 会话（session） 会话拥有并管理TensorFlow程序运行时的所有资源 当所有计算完成之后需要关闭会话帮助系统回收资源 import tensorflow as tf ''' TensorFlow运行模型-会话 会话（session） 会话拥有并管理Ten
原创
2021-07-19 10:50:05
325阅读
TensorFLow基本特征使用图（graph）来表示计算任务。在会话（Session）的上下文（context）中执行图。使用tensor表示数据。使用变量（Variable）维护状态。使用feed和fetch可以为任意的操作赋值和从中获取数据。TensorFlow计算的单位是OP，它表示了某种抽象计算。Python3安装TensorFlowpip3 install tensorfl
转载
2024-04-23 22:33:07
71阅读
前言 图像处理的Python库：OpenCV、PIL、matplotlib、tensorflow等，本篇主要使用 tensorflow 来对图像进行格式转换、大小重置、剪切或填充、旋转、颜色转换、图像调整、加噪音。tensorflow版本：1.9本篇代码可见：Github一、读取图像API：tf.read_file(filename, name=None)
filename：路径
name：操作
转载
2023-12-10 07:54:55
125阅读
