本节主要讲一下Tensorflow的2可视化结构TensorBoard的使用。以数据集简单分类为例：import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
#载入数据集
mnist = input_data.read_data_sets("MNIST_data",one_hot=True)
转载
2024-03-03 07:53:03
82阅读
Tensorflow入门：数据结构和编程思想引言： 最近tensorflow很火，看到国内都有不少人开始玩起来了，自己最近有些想法想玩玩，于是开始入门搞一下，因为自己只有一个台式电脑，于是就装了个cpu版的tensorflow，安装过程挺顺利，一两句命令搞定，最后遇到过glibc的版本问题，直接升级了Ubuntu版本就好了。 于是，开始入门了。下面是我学习的笔记，水平有限，如有不对，敬请指教。
转载
2024-06-17 15:55:21
43阅读
一、构建网络的第二种方式通过输入层和输出层来构建网络，网络包含输入和输出中间的隐藏层，这会返回一个Model对象，通过该对象可以调用model.compile和model.fit函数，非常方便。import tensorflow as tf
import tensorflow.keras.layers
x = layers.Input(shape=(784,)) # 输入层，shape可自己定
转载
2024-04-04 19:24:24
85阅读
一、引言经过一段时间tensorflow的学习，对全连接神经网络代码的框架有了一定的了解。通过dropout实验来解析代码结构。二、代码释义1、定义神经网络层def add_layer_dropput(input, in_size, out_size,keep_prob = None,activation_function=None):
Weights = Variable(random_
转载
2024-08-28 16:23:13
120阅读
VGGNet探索了卷积神经网络的深度与性嫩之间的关系，通过反复堆叠3×3的卷积核和2×2的池化层构建了16层的卷积神经网络。由上图所知，VGG一共有五段卷积，每段卷积之后紧接着最大池化层，作者一共实验了6种网络结构。分别是VGG-11，VGG-13,VGG-16,VGG-19，网络的输入是224*224大小的图像，输出是图像分类结果。下面我们主要针对tensorflow
转载
2024-03-28 14:08:14
69阅读
TensorFlow机构总览
一、架构概览TensorFlow 的系统结构以 C API 为界,将整个系统分为前端和后端两个子系统：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，后端系统的设计和实现可以进一步分解为 4 层； 1. 运行层:分别提供本地模式和分布式模式,并共享大部分设计和实现; 2. 计算层:由各个
转载
2024-03-01 20:28:53
14阅读
目录概述Sample示例GPU设备创建计算图创建与执行概述本文基于Tensorflow r1.15源码 链接 通过Sample示例，重点分析计算图创建与执行的内部原理。Sample示例import tensorflow as tf
x1 = tf.placeholder(tf.float32, shape=(2, 2))
y1 = tf.placeholder(tf.floa
转载
2024-04-09 18:24:55
42阅读
1. 对抗网络GAN的网络结构对抗网络包含了2个子网络：生成网络（Generator，G）和判别网络（Discriminator，D），其中生成网络负责学习样本的真实分布，判别网络负责将生成网络采样的样本与真实样本区分开来。2. 对抗网络GAN的训练方法对于判别网络 D，它的目标是能够很好地分辨出真样本??与假样本??。以图片生成为例，它的目标是最小化图片的预测值和真实值之间的交叉熵损失函数：??
转载
2024-10-30 19:49:49
33阅读
最新tensorflow采用了keras封装，和古早写法相比变化很大，但是用起来确更加方便了，恰逢最近需要倒腾tensorflow，所以记录一下。这是一个系列文章，将从浅入深地介绍新的tensorflow的用法，文章列表： 林青：学习tensorflow(00)--从源代码编译tensorflowzhuanlan.zhihu.com
林青：学习tensorfl
转载
2024-04-04 11:35:31
44阅读
一、TensorBoard简介训练神经网络十分复杂，有时需要几天甚至几周的时间。为了更好地管理、调试和优化神经网络的训练过程， TensorFlow 提供了 一个可视化工具 TensorBoard 。 TensorBoard 可以有效地展示 TensorFlow 在运行过程中的计算图、各种指标随着时间的变化趋势以及训练中使用到的图像等信息。 TensorBoard 是 TensorFlow 的可视
转载
2024-06-09 21:31:01
55阅读
在学习深度网络框架的过程中，我们发现一个问题，就是如何输出各层网络参数，用于更好地理解，调试和优化网络？针对这个问题，TensorFlow开发了一个特别有用的可视化工具包：TensorBoard，既可以显示网络结构，又可以显示训练和测试过程中各层参数的变化情况。本博文分为四个部分，第一部分介绍相关函数，第二部分是代码测试，第三部分是运行结果，第四部分介绍相关参考资料。一. 相关函数TensorBo
转载
2024-04-30 20:13:42
170阅读
将tensorflow 1.x & 2.x转化成onnx文件文章目录将tensorflow 1.x & 2.x转化成onnx文件一、tensorflow 1.x转化成onnx文件1、ckpt文件生成2、打印权重参数名称3、ckpt文件转pb4、ckpt文件转onnx（--checkpoint）二、tensorflow 2.x转化成onnx文件1、ckpt转savemodel（pb）
生成对抗网络简介生成对抗网络（GAN）启发自博弈论中的二人零和博弈（two-player game），类似于周伯通的绝学——“左右互搏”。GAN 模型中的两位博弈方分别由生成式模型（generative model）和判别式模型（discriminative model）充当。生成模型 G 捕捉样本数据的分布，用服从某一分布（均匀分布，高斯分布等）的噪声 z 生成一个类似真实训练数据的样本，追求效
正文共3565个字，预计阅读时间10分钟。 上海站 | 高性能计算之GPU CUDA培训
4月13-15日
三天密集式训练 带你快速晋级
训练一个神经网络的目的是啥？不就是有朝一日让它有用武之地吗？可是，在别处使用训练好的网络，得先把网络的参数（就是那些variables）保存下来，怎
TensorFlow学习笔记01:使用tf.keras训练模型Keras入门案例使用单神经元完成线性回归使用Keras搭建卷积神经网络例子1: 使用神经网络进行图片分类获取数据集定义并训练神经网络定义回调函数历史训练指标的可视化各层的输出的可视化例子2: 使用实际图片进行训练获取数据集构造ImageDataGenerator定义并训练神经网络对原图像进行数据扩充例子3: 使用迁移学习(Trans
tensorboard展示网络结构 代码 import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data tf.compat.v1.disable_eager_execution() #载入数据集
原创
2022-09-23 18:15:48
211阅读
文章目录一、六步法搭建顺序神经网络（Sequential）1、步骤2、相关介绍（1）Sequential（2）compile（3）fit（4）summary3、代码二、六步法搭建非顺序神经网络（class）1、步骤2、class MyModel(Model) model = MyModel定义方式3、代码三、MNIST例子1、mnist_datasets2、mnist_Sequential t
转载
2024-07-17 18:24:21
48阅读
tensorflow基础篇图(graphs),会话(session),张量(tensor),变量(Variable),节点（operation） 1.在会话中执行任务 2.在图中表示计算任务 3.张量（tensor）表示数据 4.变量（Variable）来维护数据 5.节点（operation）表示一次计算结果tensorflow是一个编程系统，使用图graphs来表示计算任务，图graphs中的
首先总结一下核心过程： 导入数据，建立网络，设置相关标准，进行训练，评估模型，进行预测。导入数据要具体问题具体分析，因此我先了解一下建立网络。官网教程深度学习笔记给大家剧透先，我经历一番学习之后，基本上大家达成共识的就是：建议用现成的网络照着需求改点参数。 原来大家的教程不提及自己的网络为什么那么搭并不是藏着掖着，而是很有可能真的不知道为啥。不过到了真的能搞清楚这些层的根本用法的时候，可能真的就是
本代码是pytorch版本的ssd实现，来源amdegroot/ssd.pytorchSSD的网络结构如下图，模型的建立在ssd.py文件中一、vgg基础网络网络的backbone是vgg，构建vgg网络代码如下，输入是vgg的各卷积层通道数和是否池化层的参数cfg，输入图像通道数i,最后的conv6和conv7对应于上图中的Conv6和Conv7两个19*19*1024的特征图，其中Conv7用
转载
2023-08-23 21:09:22
64阅读
