一、TnesorFlow 计算模型————计算图1、 计算图概念1.1 Tensor Tensor就是张量, 可以简单理解为多维数组，表明了数据结构1.2 FlowFlow 表达了张量之间通过计算相互转化的过程，体现了数据模型1.3 数据流图基础数据流图是每个 TensorFlow 程序的核心，用于定义计算结构
每一个节点都是一个运算，每一条边代表了计算之间的依赖关系上图展示了可完成基本加法运算
转载
2024-06-05 22:13:28
80阅读
对于数据量较小而言，可能一般选择直接将数据加载进内存，然后再分batch输入网络进行训练。但是，如果数据量较大，这样的方法就不适用了，因为太耗内存。在这儿我介绍一种比较通用，高效的读取方法，即使用tensorflow内定标准格式——TFRecord.TFRecords其实是一种二进制文件，虽然它不如其他格式好理解，但是它能更好的利用内存，更方便复制和移动，并且不需要单独的标签文件。TFRecord
转载
2024-04-08 10:27:53
41阅读
目录一、准备工作1.1模型训练1.2模型固化和pb转tflite1.3下载tensorflow源码1.4安装android studio二、在Android studio中进行开发2.1修改app的build.gradle文件2.2导入自己的模型和标签并进行编译tensorflow深度学习实战笔记（二）：把训练好的模型进行固化，讲解了如何固化模型以及把pb模型转换为tflite模型，现在讲解如何用
转载
2024-10-27 07:35:13
44阅读
现在让我们用Tensorflow实现一个具体的Input pipeline，我们使用CoCo2014作为处理对象，网上应该可以下载到CoCo训练集，train2014这个文件。下载链接： http://msvocds.blob.core.windows.net/coco2014/train2014.zip 一共13.5G，解压完以后大概会有8万多张图，这
转载
2023-11-09 09:12:54
84阅读
目录 简介 构建步骤 实现方式 Demo演示 一、简介 1) 使用单台机器或者单个GPU/CPU来进行模型训练，训练速度会受资源的影响，因为毕竟单个的设备的计算能力和存储能力具有一定的上限的，针对这个问题，TensorFlow支持分布式模型运算，支持多机器、多GPU、多CPU各种模型的组合运行方案的设计。(默认情况下，TensorFlow程序会将程序运行在第一个GPU上<如果有GPU，并且安
转载
2023-12-16 11:56:35
78阅读
一、选择数据数据集CelebA_CelebFaces_Attributes_Dataset：这个数据集包含20多万张图片，主要用于人脸属性，性别、年龄、眼镜、胡子等等。我这里主要是训练人脸的性别，先将图片整理分类并归一化，生成TFRecord格式的数据（图片格式（224,224,3）），便于tensorflow训练。整理的数据集在网盘上：https://pan.baidu.com/s/1ptteU
转载
2024-03-24 10:59:17
38阅读
第一步：准备好需要训练的图片，这个自行准备，并将图片分类好，并且给每一类图片所在的文件夹命名。如图，我这里共分5类，分别为00000，00001，00002，00003，00004。第二步获取图片和标签并存放到对应列表中。 1.导入需要的包import tensorflow as tf
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
impor
转载
2024-03-19 09:34:10
54阅读
使用tensorflow 训练神经网络的时候,必须要有训练集和验证集.如果数据量比较小,而且内存足够大,那我们可以选择将所有的数据读进内存. 而如果数据量很大,我们可以用一种大家经常使用的方式存储,就是tfrecord . 它是tensorflow官方推荐的一种较为高效的数据读取方式.它主要是依靠队列去完成的.为什么要使用tfrecord保存数据?如何自制tfrecord数据
转载
2024-06-10 09:54:06
41阅读
简化NLP：TensorFlow中tf.strings的使用TensorFlow中很早就包含了tf.strings这个模块，不过实话说，在tf 1.x的固定计算图的情况下，各种操作颇为复杂，我们在迎来了2.0中才更好可以看出tf.strings的威力。tf.strings的其中一个重要的作用是可以使字符串成为TensorFlow的第一公民，可以直接加入到模型的输入中，在上一篇最简单的BERT调用中
转载
2024-04-25 14:44:24
30阅读
摘要：从0.8版本起，tensorflow不仅支持多GPU运算，而且还支持分布式计算，包括分布式多GPU计算。可以将其部署在分布式的集群上。本文主要目的是简要介绍tensorflow的分布式架构。来源为其github官方手册的翻译“Distributed TensorFlow”。Distributed TensorFlow本文介绍了如何搭建一个TensorFlow服务器的集群，以及如何在该分布式集
第二篇：tensorflow1.13自制数据集在前一篇文章中我们进行了数据集的预处理，但是我们在做图像识别的时候，要将大量的图片数据，转化为数组和与之对应的标签数据，如果你用过mnist数据集，就会知道这个过程对大量图像数据进行训练时候的重要性，话不多说，上操作。制作tfrecord格式文件存储数据TFRecord格式的文件存储形式会很合理的帮我们存储数据。TFRecord内部使用了“Protoc
探索TensorFlow认证学习指南：打造一流AI开发者之路 tensorflow-certification-study-guideMaterial and code samples used to help study for and pass the TensorFlow Developer Certification项目地址:https://gitcode.com/gh_mirrors/t
转载
2024-10-09 07:29:40
34阅读
第十二章 使用TensorFlow自定义模型和训练 文章目录第十二章 使用TensorFlow自定义模型和训练前言一、思维导图二、主要内容1、TensorFlow快速浏览2、像NumPy一样使用TensorFlow3、定制模型和训练算法4、TensorFlow函数和图三、课后练习四、总结 前言我们在训练或者是构建一个神经网络的时候，在一些特殊情况出现时，我们可能会需要自定义一个神经网络的组件，例如
机器学习的核心就是对大数据集的分析，所有机器学习的入门就是对数据的预处理和如何把数据应用的训练的里面。以我的理解对于最高效的tensorflow数据训练方法，一个是利用GOOGLE提供的标准数据集dataset_utils，直接从网络上下载，这个方法是最简单的，但不是我今天讨论的内容。今天介绍的是如何使用自己的数据集进行训练的方法。首先tensorflow最高效的就是把准备的数据集生成tfreco
转载
2024-04-30 16:43:00
46阅读
百度百科的解释在机器学习和模式识别等领域中，一般需要将样本分成独立的三部分训练集、验证集和测试集。其中训练集用来训练模型，验证集用来确定网络结构或者控制模型复杂程度的参数，而测试集则检验最终选择最优的模型的性能如何。一个典型的划分是训练集占总样本的50%，而其它各占25%，三部分都是从样本中随机抽取。但是，当样本总量少的时候，上面的划分就不合适了。常用的是留少部分做测试集。然后对其余N个样本采用K
转载
2024-03-04 08:41:01
66阅读
数据集准备：1）建立一个文件夹VOC2007，此文件夹放在SSD-Tensorflow-master目录下，VOC2007文件夹下存放内容如下：其中txt文件中存放的是不含扩展名的xml文件名，含路径。2）修改自己训练类别，datasets文件夹中pascalvoc_common.py（第24行）VOC_LABELS = {
'none': (0, 'Background'),
'
转载
2024-04-03 16:05:14
303阅读
完整代码及其数据，请移步小编的GitHub地址 传送门：请点击我 如果点击有误：https://github.com/LeBron-Jian/DeepLearningNote 在之前的TensorFlow学习笔记——图像识别与卷积神经网络（链接：请点击我）中了解了一下经典的卷积神经网络模型LeNet模型。那其实之前学习了别人的代码实现了LeNet网络对MNIST数据集的训练。而这
转载
2023-07-27 20:43:49
133阅读
使用自己的数据训练网络时，需要用到两个函数：tf.train.slice_input_producer、tf.train.batch和两个类tf.train.Coordinator和tf.QueueRunner。 具体流程如下： 1、调用 tf.train.slice_input_producer，从本地文件里抽取tensor，准备放入Filename Queue（文件名队列） 2、调用 tf.t
转载
2024-04-11 21:12:34
61阅读
文章目录Windows10安装和使用Tensorflow1.x Object Detection API一、前言二、环境安装环境说明1.显卡检测2.显卡驱动安装2.protocolbuffers安装3.Python环境安装4.Tensorflow-gpu安装5.Object-detection安装安装 visual-cpp-build-tools安装 cocoapi安装 object-detec
制作数据集的前菜——打乱数组x, y = imageNumpyData()
state = np.random.get_state()
np.random.shuffle(x)
np.random.set_state(state)
np.random.shuffle(y)
# 打乱之后的x，y作为训练数据
x = np.array(x)
y
转载
2024-10-09 15:32:50
124阅读
