前言尝试过迁移学习的同学们都知道，Tensorflow的模型保存加载有不同格式，使用方法也不一样，新手会觉得乱七八糟，所以本文做一个梳理。从模型的保存到加载，再到使用，力求理清这个流程。1. 保存Tensorflow的保存分为三种：1. checkpoint模式；2. pb模式；3. saved_model模式。1.1 先假设有这么个模型首先假定我们已经有了这样一个简单的线性回归网络结构：impo
转载
2024-04-09 14:33:54
99阅读
Continuing from the previous article, this one is going to approach Linear & Logistic Regression with Tensorflow and shade some light in the core differences between versions 1 and 2. Before we be
转载
2024-08-06 20:28:59
23阅读
译者注：TVM 是由华盛顿大学在读博士陈天奇等人提出的深度学习自动代码生成方法，该技术能够自动为大多数计算硬件生成可部署优化代码，其性能可与当前最有供应商提供的优化计算库相比，且可以适应新型专用加速器后端。项目链接：https://github.com/dmlc/tvm作者：这是阿里巴巴集团机器翻译团队和PAI-Blade团队贡献的博客。背景：神经机器翻译（NMT）是自动翻译的端到端方法，这个方法
以下代码用于忽略级别 2 及以下的消息（级别 1 是提示，级别 2 是警告，级别 3 是错误）。import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='2' run(fetches,feed_dict=None,options=None,run_metadata)语法1、常量字符串 ：tf.constant // t
转载
2024-08-25 18:03:32
27阅读
tensorfolw-gpu版安装写在前面：查看显卡驱动版本anaconda安装[知乎教程](https://zhuanlan.zhihu.com/p/75717350)安装cuda和cudnn安装cuda配置cudnntensorflow-gpu1.14.0安装python版本降级测试tensorflow是否能正常使用写在最后 写在前面：安装所需： tensorflow-gpu14.0+cuda
1.1认识tensorflow1.1.1简介采用数据流图,用于数值计算的开源软件库.节点:表示数学操作线:张量,表示节点间相互联系的多维数据数组数据流图:节点和线的有向图描述数学计算;1.1.2优点高度的灵活性:可以自己写点C++代码来丰富底层的操作.可移植性:CPU、GPU、台式机、服务器、手机移动端多语言支持：python、C++性能最优化：真正得多线程，代码编译效率比较高1.1.3计算密集型
转载
2024-04-06 12:20:01
29阅读
20201130问题提出：v1版本中tensorflow中contrib模块十分丰富，但是发展不可控，因此在v2版本中将这个模块集成到其他模块中去了。在学习tensorflow经常碰到tf.contrib的代码，一敲就报错。import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()
weight=tf.constant([[1.0,2.0
转载
2024-04-14 15:43:40
31阅读
MobileNet是谷歌提出的轻量级模型，其基本单元是深度可分离卷积（depthwise separable co
原创
2022-10-27 12:53:35
169阅读
项目使用了预训练的bert模型进行文本分类先说一下总体思路：1.从官方的ckpt模型文件中加载模型，接一层全连接和激活函数，再接一层输出层即可，根据分类的类别选择输出层节点的个数。2.构造模型后，冻结bert层，只训练后续接的分类层，保存模型，这一步可以不保存优化器状态，因为当前优化器中的状态只是构造了一个针对后面两层权重的目标函数，没有考虑bert层冻结的权重优化。3.上一步训练结束之后，加载上
转载
2024-10-16 22:26:39
119阅读
目录Tensor计算图Eager modeTensorboardSave and Restore模型保存模型恢复 tensorflow v2 版本现在已经全面用keras 封装了，运行时甚至都不用显式地建立计算图，然后再调用session.run() 了，对刚入门人工智能的人来说很是友好了。但是我想说，github上，包括很多以前大牛们的论文的代码实现不都还是用的v1 版本的tensorflo
转载
2024-02-23 16:01:59
23阅读
YOLO V1算法详解创新点YOLO实现了实时处理图片，达到45FPS；Fast YOLO达到155FPS，但是检测准确率不高。优势：速度快。 2.做预测时全局了解图像，对背景预测错误出现的概率比Fast R-CNN小。 3.YOLO学习目标的一般特征，具有较高通用性，应用到新领域，不太可能发生故障。但是YOLO检测准确性不高，虽然可以快速识别图像中的对象，但是很难准确定位一些目标，尤其是小目标。
转载
2024-04-19 17:20:29
160阅读
一位从 TensorFlow 开放以来就一直使用它进行研究和编程的工程师对它进行了全面评估：好的、坏的、令人讨厌的的。评估之前，这位研究员非常走心地研究了自己能找到的所有案例、教程、文档、代码片段，因此，较之媒体上对 TensorFlow 的主观性报道，相信这篇测评会更有说服力。一、好的一面参与社区是最重要的事提到机器学习，很容易把重点放在技术本身（特征、性能、基准等）。但是，优秀的程序员都知
Rip v1实验
原创
2010-04-13 11:35:57
461阅读
heartbeat v1一、实验环境介绍 硬件：lenovo T410S 软件：VMWARE workstation SO: Centos 6.6二、网络拓扑 网卡类型：NAT
原创
2015-06-12 17:11:28
684阅读
Joseph Redmon和Ali Farhadi在2015年提出了YOLO目标检测深度网络，并在2017年和2018年进行了改进，这三个工作都发表在了当年的CVPR上。Joseph Redmon是华盛顿大学的博士，主要研究就方向为计算机视觉，这是Joseph Redmon的个人主页，Ali Farhadi是华盛顿大学的副教授，也是Joseph Redmon的导师，这是AIi Farhadi的个人...
原创
2021-08-13 09:48:46
214阅读
IGMP V1
原创
2023-12-12 19:12:11
239阅读
OSPF v1: 高效稳定的路由协议
在计算机网络领域中，一项重要的任务是寻找网络中的最佳路由。为了实现这个目标，各种路由协议被设计出来，其中OSPF v1是一种被广泛应用的协议。本文将介绍OSPF v1的定义、特点以及它在现代网络中的应用。
OSPF v1（开放最短路径优先-版本1）是一种内部网关协议（IGP），用于在企业内部或大型网络中选择最佳路径。作为一种链路状态路由协议，OSPF v1
原创
2024-01-31 12:55:37
115阅读
123
原创
2021-08-02 15:01:18
869阅读
这段代码是一个深度学习项目的训练部分，主要目的是训练一个名为。
stable diffusion v1 5模型下载已经成为了一个备受关注的话题。随着技术的不断更新迭代，用户在迁移和升级过程中往往面临着许多选择与挑战。本文将为大家详细解析stable diffusion v1 5模型的特性差异、迁移指南、兼容性、安全性、实战案例、性能优化及生态扩展，帮助大家更好地进行模型下载和应用。
### 版本对比
在stable diffusion的不同版本中，特性差异
