1 - Tensorflow源码目录结构基于2018年5月28日github的tensorflow源码，即1.8版本
第一层：tensorflow： 核心代码目录。 third_party：第三方库，包括：eigen3，fft2d，hadoop，mkl，probuf ，kafka，mpi，tensorRT，nccl，grpc等等。 tools：只有两个文件 bazel.rc 和 tf_en
转载
2024-04-29 19:51:06
102阅读
这篇教程的主要源代码在ptb_word_lm.py与reader.py两个文件中。教程对应的源代码的github仓库地址。数据下载地址，该教程需要的数据在该下载的文件解压后的data子目录下。该目录的内容如下图所示： 首先介绍reader.py文件的内容： reader.py文件由_reader_words、_builid_vocab、_file_to_wor
转载
2024-04-18 06:28:12
105阅读
通过观看视频，记下此次笔记，笔记内容来自lite深度解析视频。视频来源：https://www.bilibili.com/video/av24219725/ tensorflow lite 定位于设备端智能应用。我们在台式机上使用tensorflow开发出模型，训练出权重，然后使
转载
2024-04-21 07:13:47
59阅读
tensorflow1.0和tensorflow2.0的区别主要是1.0用的静态图一般情况1.0已经足够，但是如果要进行深度神经网络的训练，当然还是tensorflow2.*-gpu比较快啦。其中tensorflow有CPU和GPU两个版本(2.0安装方法)，CPU安装比较简单：pip install tensorflow-cpu 一、查看显卡日常CPU足够，想用GPU版本，要有NVID
转载
2023-07-08 19:24:18
596阅读
一. 总论说到Tensoflow serving的编译安装，真的是一把鼻涕一把泪。前前后后折腾了一个星期。在这期间参考了同行的做法，自己也在不断地摸索尝试。 遇到的困难：Tensoflow serving的版本和源码在不断更新，之前成功编译安装的版本在一段时间后，由于github上的Tensoflow serving的源码的更新，变得编译安装不成功。即使是执行官网提供的编译安装指令也无法成功编译安
摘要 2015年11月9日，Google发布深度学习框架TensorFlow并宣布开源，并迅速得到广泛关注，在图形分类、音频处理、推荐系统和自然语言处理等场景下都被大面积推广。TensorFlow系统更新快速，官方文档教程齐全，上手快速且简单易用，支持Python和C++接口。本文依据对Tensorflow（简称TF）白皮书[1]、TF Github[2]和TF官方教程[3]的理解，从系统和代码
转载
2024-05-07 21:04:54
51阅读
目录前言1、backbone2、多尺度融合检测3、模型输出预测4、NMS非极大值抑制小结前言YOLOV3以V1和V2为基础进行改进得。YOLO3主要的改进有：调整了网络结构；利用多尺度特征进行对象检测；对象分类用Logistic取代了softmax。如果想了解V1、V2的详细结构信息，可以参照以下链接。YOLO v1深入理解YOLOv2 / YOLO9000 深入理解YOLOv3没有太多的创新，主
转载
2024-05-28 10:11:42
78阅读
1 - Tensorflow源码目录结构基于2018年5月28日github的tensorflow源码，即1.8版本第一层：tensorflow： 核心代码目录。
third_party：第三方库，包括：eigen3，fft2d，hadoop，mkl，probuf ，kafka，mpi，tensorRT，nccl，grpc等等。
tools：只有两个文件 bazel.rc 和 tf_env_col
转载
2024-03-13 11:38:52
129阅读
读TensorFlow 源码笔记(2): tensorflow的控制流算子(control_flow_op)在阅读TensorFlow源码时，遇到了很多复杂又晦涩的概念，今儿整理以下内容，分享给大家：介绍专门为处理控制流而添加的五个TensorFlow原语运算符,演示如何将高级控制流结构编译为包含这五个原语的数据流图解释TensorFlow运行时如何执行这些数据流图，包括在一组混合设备（如CPU、
转载
2024-08-11 10:54:57
74阅读
TensorFlow 2.0源码编译步骤传统pip安装tensorflow限制修改bazel编译版本限制已知编译存在的问题配置configure编译选项Tips: 本文作者：Phillweston，未经允许禁止转载 传统pip安装tensorflow限制1.AVX指令集CPU使用老版本TensorFlow报错 对于不支持AVX指令集的CPU服务器，在python中使用 import tenso
转载
2023-11-26 23:34:36
70阅读
tensorflow/tensorflow/该目录下存放着tensorflow的核心代码contrib/该目录下存放有其他项目贡献者添加的相关贡献代码。由于tensorflow受关注程度较高，目前该目录正急剧膨胀。core/后台C++实现部分。包含了主要的 C++代码 和 runtimes 。该目录为tensorflow的C++源码的核心。common_runtime/tensorflow 普通的
转载
2024-05-29 20:21:16
84阅读
一、Tensorflow安装Tensorflow安装分源码安装和pip安装两种方式。 1.源码安装 需要安装java8（否则容易出现找不到javac的问题），安装Bazel，下载Tensorflow源码，再编译，不推荐这种方式，会出现无法import tensorflow错误，python 开发环境找不到tensorflow模块的错误。 1.1 java 8的安装sudo add-apt-r
转载
2024-09-02 15:01:33
10阅读
tensorflow使用（转）https://github.com/wizardforcel/data-science-notebook/tree/master/tf/learning-tf-zh一、基础变量TensorFlow 是一种表示计算的方式，直到请求时才实际执行。 从这个意义上讲，它是一种延迟计算形式，它能够极大改善代码的运行：更快地计算复杂变量跨多个系统的分布式计算，包括 GPU。减少
cell = multilayer_dropout_cell( RNN_CELL_DICT[cell_type], hidden_size, n_layers, rnn_dropout) if bidirectional: cell_bw = multilayer_dropout_cell( RNN_CELL_DICT[cell_type], ...
原创
2022-07-19 19:44:25
175阅读
安装TensorFlow的步骤如下：安装Python：首先，确保你的计算机上安装了Python。TensorFlow支持Python 3.5、3.6和3.7版本。你可以从Python官方网站（https://www.python.org/downloads/）下载适合你操作系统的Python安装程序，并按照指示进行安装。创建虚拟环境（可选）：为了隔离TensorFlow的安装，你可以创建一个Pyt
原创
2023-05-31 21:39:45
208阅读
# 学习实现 TensorFlow 架构源码
TensorFlow 是一个强大的机器学习框架，其架构源代码实现涉及多个文件和模块。对于刚入行的小白来说，理解如何实现和使用 TensorFlow 架构源码并不是一件容易的事。本文将为您详细讲解实现过程，并附上必要的代码示例和注释，帮助您顺利完成这项任务。
## 实现流程
下面是学习实现 TensorFlow 架构源码的流程：
| 步骤
原创
2024-10-01 11:21:10
64阅读
决策森林是一系列机器学习算法，其质量和速度可与神经网络相竞争（它比神经网络更易于使用，功能也很强大），实际上与特定类型的数据配合使用时，它们比神经网络更出色，尤其是在处理表格数据时。随机森林是一种流行的决策森林模型。在这里，你可以看到一群树通过投票结果对一个例子进行分类。决策森林是由许多决策树构建的，它包括随机森林和梯度提升树等。这使得它们易于使用和理解，而且可以利用已经存在的大量可解
tensorflow 代码 介绍：(Introduction:)Learning to develop Deep Learning models is not an easy task to accomplish — especially for those who may not have serious experience in the field. When beginning to l
论文下载地址 cosface，tensorflow源代码下载地址：cosface code。模型的训练通过train_multi_gpu.py实现，数据加载部分同之前介绍的方法类似，这里重点说一下网络结构和损失函数部分的代码，默认采用的网络结构是sphere_network,其主要实现在sphere_network.py的infer函数：def infer(input,embedding
转载
2024-08-11 20:20:55
171阅读
一 摘要 2015年11月9日，Google发布深度学习框架Tensorflow并宣布开源，迅速得到广泛的关注，在【图像分类】、【音频处理】、【推荐系统】和【自然语言处理】等场景下大面积被推广。Tensorflow系统更新的速度非常之快，官方文档的教程也比较齐全，上手快速，简单易用，支持Python和C++接口。本文依据对Tensorflow(简称
转载
2024-04-24 12:09:31
47阅读
