文章目录一、状态1.状态的层次结构2.状态的横向结构3.状态标签1）状态名2）状态动作4.迁移二、数据与事件 一、状态1.状态的层次结构分为父状态和子状态每一个状态都有父状态，最外围的状态其父状态是它本身外部的state叫父状态，内部的状态叫子状态2.状态的横向结构状态图的顶层或某一父状态下，通常并存多个状态，他们之间的关系分为互斥和并行互斥状态 互斥状态的矩形框边缘显示为实线，同一级的互斥状态
转载
2024-10-01 11:53:22
17阅读
XML文件关于这个文件格式，其实我接触并不多。 具体介绍见XML文件结构和基本语法 类似的有YAML。为什么要写XML文件最近头疼依然是在做数据集标记，因为原始LableImage工具生成的是XML文件，因为装不上这个工具，所以用Matlab标记了，需要将数据写进XML，和那个工具生成一样的格式。 从同事那里拿来工具生成的标准XML文件，开始有点懵。 标准文件是这个样子：椭圆画出部分是当前图片的基
转载
2024-03-19 17:26:31
47阅读
1、安装anaconda32、安装Python虚拟环境tensorflow21新建带有tensorflow的python环境，避免与原有python环境混乱。1)Python创建虚拟环境conda create -n tensorflow21 python=3.7.02)查看当前存在哪些虚拟环境conda env list
conda info -e3)激活虚拟环境activate tensor
转载
2024-01-28 05:33:06
342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
基于KDDCUP99数据集，使用Tensorflow构建MLP，进行入侵检测分类。1、tensorflow系统 是用数据流图(data flow graphs)技术来进行数值计算的。 在Tensorflow中，用计算图来构建网络，用会话来具体执行网络。深入理解了这两点，我想，对于Tensorflow的设计思路，以及运行机制，也就略知一二了。 图（tf.Graph）：计算图，主要用于
转载
2024-04-16 18:09:12
40阅读
‘在讲述在TensorFlow上的数据读取方式之前，有必要了解一下TensorFlow的系统架构，如下图所示：TensorFlow的系统架构分为两个部分：前端系统：提供编程模型，负责构造计算图；后端系统：提供运行时环境，负责执行计算图。在处理数据的过程当中，由于现在的硬件性能的极大提升，数值计算过程可以通过加强硬件的方式来改善，因此数据读取（即IO)往往会成为系统运行性能的瓶颈。在TensorFl
转载
2024-06-17 04:22:49
57阅读
在Matlab中使用tensorflow （1） - 知乎在Matlab中使用tensorflow （2） - 知乎
原创
2022-06-10 01:45:59
398阅读
目录一、函数文件的基本结构二、函数的调用1.函数调用的格式2.函数的递归调用将特定的算法写成函数的形式，可以提高程序的可重复性和程序设计的效率。并且函数文件定义了输出参数和输入参数的对应关系，方便外部调用。事实上，MATLAB提供的标准函数都是由函数文件定义的。一、函数文件的基本结构 函数文件由function语句引导，其基本结构如下：function 输出参数表=函数名(输入参数表)函
转载
2023-08-28 15:33:10
153阅读
在UI自动化测试中，界面控件识别是基石。在计算机视觉领域中，有很多经典的目标识别模型，我们尝试将YOLO模型迁移至自动化测试领域界面控件识别中。迁移训练后的模型需要部署到生产环境，TensorFlow Serving是一种模型部署方法，只需几行简单的代码就可以维护模型的整个生命周期。下面将以原YOLO V3 tensorflow版模型为例从环境准备、模型格式转换、服务部署和调用以及最后的性能对比四
转载
2024-05-13 13:51:21
71阅读
Theano、TensorFlow、Torch、MXNet 再到近日比较热门的 PyTorch 等等，深度学习框架之间的比较一直以来都是非常受人关注的热点话题。不过你知道用户实际用起来的感觉怎么样吗？近日，Reddit 用户 cjmcmurtrie 发了一个主题为「PyTorch vs. TensorFlow」的讨论帖，想要了解这两大流行的框架之间各自有什么优势。帖子一楼写道：我还没有从 Torc
转载
2023-09-13 20:41:50
0阅读
P24 MATLAB导入数据最常用的就是导入excel表格数据，主页选项卡-导入数据-选择excel文件。导入的范围导入数据的范围默认是从第二行开始的，第一行一般是标题行。如果不想导入所有数据，可以按住ctrl键，选择想导入的内容，例如某行、某列。“变量名称行”也就是导入之后，matlab里表格最上方会显示变量，一般默认选择原文件第一行。但是只能识别英文，如果是汉字则变成“VerName”。&nb
转载
2024-09-03 22:44:36
86阅读
前言由于大创需要使用深度学习相关内容，所以我需要下载TensorFlow并配置对应环境。简要介绍什么是Anaconda？Anaconda指的是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。因为包含了大量的科学包，Anaconda 的下载文件比较大（约 531 MB），如果只需要某些包，或者需要节省带宽或存储空间，也可以使用Miniconda这个较小的
Keras 是一个主要由Python 语言开发的开源神经网络计算库。Keras 库分为前端和后端，其中后端可以基于现有的深度学习框架实现，如Theano，CNTK，TensorFlow，前端接口即Keras抽象过的统一接口API。那么 Keras 与tf.keras 有什么区别与联系呢？其实Keras 可以理解为一套搭建与训练神经网络的高层API 协议，Keras 本身已经实现了此协议，可以方便的
转载
2024-04-06 16:44:22
169阅读
在当今的深度学习领域，TensorFlow和PyTorch是最受欢迎的两个深度学习框架。它们提供了丰富的功能和强大的工具，被广泛用于各种机器学习任务。本文将对TensorFlow和PyTorch进行全面比较分析，探讨它们在不同方面的优势和劣势。 首先，我们将从框架的易用性和学习曲线入手。TensorFlow和PyTorch在使用上有一些差异，其中TensorFlow使用静态计算图的概念，
转载
2023-08-07 19:26:39
127阅读
Tensorflow2.0相比于以往版本，有着极大的区别；最明显的区别可以用三字词来概括：更简单，更易用，更强大。接下来让我们一起见证下不一样的地方吧！一、使用tf.data加载数据 使用tf.data创建的输入管道读取训练数据；支持从内存（Numpy）方便地输入数据；二、使用tf.keras构建，训练和验证模型，或使用Premade来验证模型
Tensorflow简介 tensorflow是Google开源的基于数据流图的深度学习框架，支持python和c++程序开发语言。轰动一时的AlphaGo就是使用tensorflow进行训练的，其命名基于工作原理，tensor 意为张量（即多维数组），flow 意为流动。即多维数组从数据流图一端流动到另一端。目前该框架支持 Windows、Linux、Mac乃至移动手机端等多种平台。下图为其数据
原创
2022-01-18 09:45:30
170阅读
# TensorFlow与Keras实现教程
## 一、整体流程
在使用TensorFlow和Keras进行深度学习模型开发时，通常有以下一般流程：
| 步骤 | 描述 |
| ---- | ---- |
| 1 | 准备数据集 |
| 2 | 创建模型 |
| 3 | 编译模型 |
| 4 | 训练模型 |
| 5 | 评估模型 |
| 6 | 使用模型预测 |
## 二、详细步骤
#
原创
2024-05-06 11:47:13
55阅读
tensorflow 人工智能TensorFlow关于人工智能的理解自从创建机器以来，它们执行任务的能力已经增长成倍。如今，几乎每个领域都使用计算机。随着时间的推移，它们变得更快，表现更好，只是伴随着它们不断减小的物理尺寸。AI是一个广泛的领域，由各种子域，技术和算法组成。科学家们正在努力创造一种人工智能，其中机器就像人类一样聪明，坦率地说，这也是一种可能性。早在1956年，来自数学和计算机科学领
转载
2024-07-18 13:59:54
12阅读
Tensorflow简介tensorflow是Google开源的基于数据流图的深度学习框架，支持python和c++程序开发语言。轰动一时的AlphaGo就是使用tensorflow进行训练的，其命名基于工作原理，tensor 意为张量（即多维数组），flow 意为流动。即多维数组从数据流图一端流动到另一端。目前该框架支持 Windows、Linux、Mac乃至移动手机端等多种平台。下图为其数据流动示意图。Keras简介Keras是基于TensorFlow和Theano（由加拿大蒙特利尔大学开发的机
原创
2021-06-18 14:14:09
352阅读
tensorflow基本操作tensorflow常见属性：每个变量都有一个device的属性，可以在创建的时候设定是在cpu上运行还是在gpu上运行；tensor和numpy可以互相转换with tf.device("cpu"):
a = tf.constant(1) # 在cpu上
with tf.device("gpu"):
b = tf.constant(1) # 在gpu
