也许你已经下载了TensorFlow，而且准备开始着手研究深度学习。但是你会疑惑：TensorFlow里面的Tensor，也就是“张量”，到底是个什么鬼？也许你查阅了维基百科，而且现在变得更加困惑。也许你在NASA教程中看到它，仍然不知道它在说些什么？问题在于大多数讲述张量的指南，都假设你已经掌握他们描述数学的所有术语。 别担心！ 我像小孩子一样讨厌数学，所以如果我能明白，你也可以！我们只需要用
首先简单介绍一下AE和VAE然后在完成代码实践一、什么是自编码器（Auto-encoder）自动编码器是一种数据的压缩算法，其中数据的压缩和解压缩函数是数据相关的、有损的、从样本中自动学习的。在大部分提到自动编码器的场合，压缩和解压缩的函数是通过神经网络实现的。这种算法的大致思想是：将神经网络的隐含层看成是一个编码器和解码器，输入数据经过隐含层的编码和解码，到达输出层时，确保输出的结果尽量与输入数
深度学习及TensorFlow简介 深度学习目前已经被应用到图像识别，语音识别，自然语言处理，机器翻译等场景并取得了很好的行业应用效果。至今已有数种深度学习框架，如TensorFlow、Caffe、Theano、Torch、MXNet，这些框架都能够支持深度神经网络、卷积神经网络、深度信念网络和递归神经网络等模型。TensorFlow最初由Google Brain团队的研究员和工程师研发，目前已成
转载
2024-05-23 05:43:57
64阅读
在深度网络中，卷积计算应用非常广泛。在图像处理中，卷积计算也就是图像像素矩阵与卷积核之间的点对点相乘在累加的运算，但是在不同的深度学习框架或者平台中，卷积实现的方式有一定的差异，所以我参考一些博客并根据个人的理解整理了Caffe，Tensorflow及Matlab中的卷积实现。首先，三者对于图像卷积的基本原理是相同的，不同的只是在矩阵变换的实现上，先回顾下卷积前后图像矩阵大小的变化。以二维图像矩阵
转载
2024-09-03 17:57:42
33阅读
以下代码实现了使用TensorFlow搭建神经网络解决MNIST手写体数字识别问题，此神经网络使用了激活函数去线性化，本身为三层全连接结构，带有指数衰减的学习率以及L2正则化损失函数，同时使用滑动平均模型进行优化。import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
INPUT_NOD
转载
2024-04-19 14:39:50
50阅读
一、TensorFlow介绍。TensorFlow 是由Google推出的世界上最受欢迎的开源机器学习框架，它能够灵活适用于各类应用，能够让所有开发者和研究者都能使用人工智能来解决多样化的挑战。顾名思义，Tensor的意思是张量，代表N维数组；Flow的意思是流，代表基于数据流图的计算。TensorFlow把N维数字从数据流图的一端流动到另一端的过程，就是人工智能进行分析和处理的过程。随着Andr
转载
2024-01-30 03:15:32
79阅读
文章目录项目介绍代码实现1、导入需要的库2、导入数据集3、将文本编码成数字形式3.1 使用 tfds.features.text.Tokenizer() 函数3.1.1 建立词汇表并统计词汇表中的单词数量3.1.2 建立编码器3.1.3 对所有样本进行编码3.1.3.1 删除过长的样本3.1.3.2 编码函数3.1.3.3 将样本打乱、分批3.2 使用 tf.keras.preprocessin
转载
2024-01-05 19:11:55
32阅读
MaskRCNN用于检测路标，作为更详细的目标检测，用以得到更精准的额路标位置，路标的几何中心点，用于构建更为精准的拓扑地图，减少构图误差。 抠图工具已经完成，把框抠出来，用0值表示背景。python代码：def main...
转载
2017-12-12 17:16:00
114阅读
2评论
安装适用于 Java 的 TensorFlowTensorFlow 可提供在 Java 程
原创
2022-10-18 15:41:23
429阅读
在遥感领域进行深度学习时，通常使用python进行深度学习，会使用到tensorflow的安装，今天小编就给大家介绍如何在Anaconda中安装tensorflow！下载Anaconda Index of /anaconda/archive/ | 清华大学开源软件镜像站
目录1.图像1.1 配置环境1.2 加载数据集1.3 数据预处理1.4 训练模型2.CSV2.1 配置环境2.2 加载数据2.3 数据预处理2.4 构建模型2.5 训练、评估和预测3.Numpy3.1 配置环境3.2 加载数据3.3 数据预处理4.pandas.DataFrame4.1 配置环境4.2 加载数据4.3 数据预处理4.4 创建并训练模型5.TFRecord和tf.Example6.文
转载
2024-07-14 10:34:59
22阅读
正文： 1、因为交叉熵一般会与softmax回归一起使用，所以TensorFlow对这两个功能进行了统一的封装，并提供了tf.nn.softmax_cross_entropy_with_logits函数。比如可以直接通过下面的代码来实现使用了softmax回归之后的交叉熵损失函数：cross_entropy = tf.nn.softmax_cross_entropy_with_logit
转载
2024-07-19 10:52:05
19阅读
上一篇文章讲了如何用keras搭建我们自己的网络，并且讲解了里面的一些常用参数，本篇文章将简短的介绍如何用上一篇文章中的框架识别MNIST数据集。MNIST 数据集已经是一个被”嚼烂”了的数据集, 很多教程都会对它”下手”, 几乎成为一个 “典范” 这里我们不太需要去官网下载，我们在第一次使用这个数据集的时候，会自动从官网下载，各位看官先继续往下看。MNIST数据集：
提供6万张28*2
简述bert是谷歌提出的自然语言处理领域的大杀器，个人感觉相当于重新定义了自然语言处理领域各个任务的效果上限，就拿文本分类来说，目前竭尽全力调试模型和清洗数据等等trick操作，上了bert之后，一般都会比之前的效果要好上几个点，所以对于时效性要求不高的方向，比如离线需求，别浪费力气了，all in bert吧；对于时效性要求高的方向，比如在线服务接口，可以对bert进行剪枝，在精度损失较小的情况
转载
2024-09-27 20:08:58
111阅读
0.初识GEE
GEE简介
GEE应用范围
GEE优缺点
GEE初识
1.GEE是什么？
GEE（全称Google Earth Engine）是大谷歌下属的一个可以批量处理卫星影像数据的工具，属于Google Earth一系列的工具。相比于ENVI等传统的处理影像工具，GEE可以快速、批量处理数量“巨大”的影像。通过GEE可以快速计算比如NDVI等植被指数，可以预测作物
转载
2021-06-22 20:58:16
4366阅读
GEE案例分享
原创
2022-06-22 09:42:50
294阅读
# JavaScript gee
