摘要：
2019年6月26日，在Sao Paulo举行的PAPIs.io LATAM会议上，作为Daitan的代表，本文作者Thalles Silva举办了一个关于TensorFlow（TF）2.0的研讨会，并在会上探讨了一些关于TF 2.0的话题。研讨会的初衷是重点展示2.0版本同以往1.x版本的不同。本文回顾了会上讨论的主要内容：Keras-APIs、SavedModels、TensorBoa
深度学习简介和环境搭建一、深度学习简介1、深度学习的应用计算机视觉 -图像分类语音识别自然语言处理人机博弈2、机器学习的定义卡内基梅隆大学 Tom Michael Mitchell 1997,书籍Machine Learning如果一个程序可以在任务T上，随着经验E的着呢家，效果P也可以随之增加，则称这个程序可以从经验中学习。举例：垃圾邮件分类问题总结：传统机器学习算法存在的问题：逻辑回归算法依赖
转载
2024-04-04 19:13:02
39阅读
测试是否安装成功jupyter里import tensorflow as tf
tf.__version__按Ctrl+Enter执行'1.2.1'即为成功。import tensorflow as tf
# 创建一个常量运算， 将作为一个节点加入到默认计算图中
hello = tf.constant("Hello, World!")
# 创建一个TF对话
sess = tf.Session(
转载
2024-03-27 12:18:37
39阅读
文|Seraph01 | 第一章 Tensorflow初印象一、 TensorFlow产生的历史必然性二、TensorFlow与JeffDean的那些事Jeff Dean简介 Creator of TensorFlow Creator of DistBelief Designer of MapReduce Designer of BigTable2012 Google DistBelief（内部使
转载
2024-04-13 00:49:00
27阅读
1 安装msys2msys2是一个在Windows上的Linux虚拟环境，在Linux上写的程序，可以使用msys2编译为Windows上的exe或者dll。 在msys2官网上下载msys2程序：下载链接。 下载完成后进行安装，安装成功后将安装目录C:\msys64和安装目录下的usr/bin目录C:\msys64\usr\bin添加到系统环境变量path中 以管理权限打开cmd，依次安装msy
TensorFlow实现机器学习的“Hello World”上一篇博客我们已经说了TensorFlow大概怎么使用，这次来说说机器学习中特别经典的案例，也相当于是机器学习的“Hello World”，他就是Mnist手写数字识别，也就是通过训练机器让他能看懂手写的阿拉伯数字。极客网其实已经把完整的教程都写出来了，但里面还是有些坑的，所以我会把我遇到的坑给大家说一下。 极客网Mnist教程链接：h
转载
2024-06-03 10:30:10
33阅读
高效的TensorFlow 2.0 (tensorflow2官方教程翻译)最新版本：http://www.mashangxue123.com/tensorflow/tf2-guide-effective_tf2.html 英文版本：https://tensorflow.google.cn/alpha/guide/effective_tf2 翻译建议PR：https://github.com/mas
转载
2024-08-15 13:47:17
32阅读
最近要开始学习（为了毕业），自己琢磨了一下在本地Windows10系统的情况下搭建Pytorch的环境，作为菜鸟，碰到了许多问题，在此总结一下环境配置的过程。所需的组件列表：1.CUDA2.cuDNN3.Python4.Tensorflow5.Pytorch最关键的事：版本选择。1.CUDA1）确认显卡计算性能，查询显卡支持的CUDA版本；CUDA GPUsdeveloper.nvidia.com
转载
2023-12-03 16:53:55
101阅读
TensorFlow提供用于Java程序的API。这些API非常适合于加载在Python中创建的模型并在Java应用程序中执行。本指南说明如何安装TensorFlow for Java并在Java应用程序中使用它。警告：TensorFlow Java API目前没有TensorFlowAPI稳定性保证。支持的平台以下操作系统支持TensorFlow for Java：LinuxMac OS XWi
转载
2023-11-18 07:26:44
121阅读
这里写自定义目录标题anaconda python3.5 tensorflow1.2版本安装教程 anaconda python3.5 tensorflow1.2版本安装教程整个过程真是一部血泪史，本来自己瞎鼓捣弄好了，然后想改个背景，结果改着改着tensorflow用不了了，【哭~~~~】，然后花了两天的时间重新安装，期间各种问题，各种踩坑，哎~，恨自己为什么要没事找事，下面总结下整个过程;(
# Go语言支持TensorFlow吗？
在机器学习和深度学习的世界中，Python无疑是最为流行的编程语言之一。然而，随着Go语言越来越受到重视，许多人开始探讨Go语言与TensorFlow结合的可能性。本文将为您介绍Go语言与TensorFlow的基本关系，并提供一些代码示例，帮助您在Go中使用TensorFlow。
## TensorFlow简介
TensorFlow是由谷歌开发的一款
原创
2024-10-24 05:58:02
40阅读
Anaconda版本：Anaconda3-5.2.0-Windows-x86_64Python版本：Python 3.6.5tensorflow版本：tensorflow 1.14.0首先在安装之前你需要由自己的电脑硬件确定安装TF(cpu)版或者是TF(cpu)版！打开“我的电脑-属性-设备管理器-显示适配器”，确定显卡为AMD还是为NVIDIA。AMD对应cpu版，NVIDIA对应gpu版。
ubuntu安装gpu版tensorflow（注意所安装的版本，版本需匹配才能安装成功，文章中会提到）1.安装nvidia显卡驱动直接利用ubuntu的软件更新器选择nvidia驱动即可。software & updates→ Additional Drivers ,初次打开经过几分钟的等待会显示系统推荐的驱动，选择其推荐的进行安装即可。然后命令行执行： nvidia-smi 看到以上
什么是TensorflowTensorFlow 是一个基于 数据流编程（dataflow programming）的符号数学系统，被广泛应用于各类机器学习（machine learning）算法的编程实现，其前身是谷歌的神经网络算法库DistBelief。简单说，tensorflow 是广泛使用在 机器学习 等 大量数学运算的算法库之一。注：本文使用 python 语言来理解学习Tensorflo
转载
2024-02-28 21:18:58
45阅读
# Python不支持JIT
在编程领域，JIT（Just-In-Time）编译器是一种实时编译技术，它能够在运行时将字节码或者中间代码转换为机器代码，从而提高程序的执行速度。然而，值得注意的是，Python并不支持JIT技术，这意味着Python在执行时无法像其他语言一样通过即时编译来提升性能。
## 为什么Python不支持JIT？
Python作为一种动态类型语言，其设计初衷是为了提供
原创
2024-07-03 06:40:56
101阅读
目录云上深度学习实践（一）-GPU云服务器TensorFlow单机多卡训练性能实践云上深度学习实践（二）-云上MXNet实践1 背景 2015年11月9日，Google发布深度学习框架TensorFlow。Google表示，TensorFlow在设计上尤其针对克服其第一代深度学习框架DistBelief 的短板，灵活、更通用、易使用、更快，而且完全开源。在短短的一年时间内，在GitHub上，Te
转载
2024-06-11 22:24:49
32阅读
使用方法参考tensorflow/lite/micro/examples/xxx 目录下的使用方法， 以hello_world为例，文件hello_world_test.cc1. 创建MicroErrorReporter object
tflite::MicroErrorReporter micro_error_reporter;
2. 有tflite model文件得到 tflite::Mod
一、什么是图 TensorFlow程序通常被组织成一个构建阶段和一个执行阶段. 在构建阶段, op的执行步骤被描述成一个图. 在执行阶段, 使用会话执行执行图中的op。我们来构建一个简单的计算图。每个节点采用零个或多个张量作为输入，并产生张量作为输出。一种类型的节点是一个常数。像所有TensorFlow常数一样，它不需要任何输入，它输出一个内部存储的值。我们
转载
2024-02-24 17:56:50
28阅读
变量是用来存储和更新参数的，也就是网络中的W或b。变量会被放在内存中。当模型训练结束后，他们需要被存在硬盘上，以便将来使用或分析模型。一.变量创建和初始化 当创建一个变量的时候，需要将一个Tensor作为初始值传入构造函数Variable()。这个初始值可以是随机值也可以是常量。Tensor的初始值需要指定shape，这个shape通常都是固定的，但是也可以通过一些高级方法重新调整。 只是创建
转载
2024-03-07 12:14:15
31阅读
摘要本文为系列博客tensorflow模型部署系列的一部分，用于实现通用模型的部署。本文主要实现用JAVA接口调用tensorflow模型进行推理。相关源码见链接引言本文为系列博客tensorflow模型部署系列的一部分，用于JAVA语言实现通用模型的部署。本文主要使用pb格式的模型文件，其它格式的模型文件请先进行格式转换，参考tensorflow模型部署系列————预训练模型导出。从模型文件中获
转载
2024-04-11 11:24:16
30阅读
