面向对象一、面向对象简单介绍:1 class Test(): #类的定义 2 car = "buick" #类变量,定义在类里方法外,可被对象直接调用,具有全局效果 3 def __init__(self): #构造方法 4 self.name = 1 #成员变量,可以在类的不同方法间调用,也可以由类创建的对
转载 2024-10-23 15:21:36
32阅读
在上一篇文章Python中的可迭代对象迭代器和生成器中我们了解了这三个概念。下面我们就来自定义一个可迭代对象。 class School: def __init__(self, students: list): self.student_list = students 为了把这个类变成可迭代的,我们需要实现__iter__方法,并返回这个类的迭代器。 class School:
原创 2024-04-18 23:14:57
88阅读
TensorFlow 支持多种常用运算符(Operations,简称 Op),如矩阵乘 matmul、卷积 conv2d 等。 由这些运算符可以构建复杂的计算图(Graph)。核函数(Kernel)是运算符的特定实现,可以运行在特定类型设备上(如 CPU 或 GPU )。 TensorFlow 通过注册机制来确定支持的运算符集合和核函数,便于进一步扩展。 今天给一个利用 C++ 编写 Tenso
当我们在说GPU并行计算时,其实是指的基于CPU+GPU的异构计算架构。典型的CUDA程序的执行流程如下: 分配host内存,并进行数据初始化; 分配device内存,并从host将数据拷贝到device上; 调用CUDA的核函数在device上完成指定的运算; 将device上的运算结果拷贝到host上; 释放device和host上分配的内存。kernel是在device上线程中并行执行的函数
转载 2024-08-27 17:47:25
0阅读
TensorFlow定制模型和训练算法(上)5、自定义层要构建自定义的有状态层(有权重的层),需要创建Keras.layers.Layer类的子类。 例如(实现Dense层的简化版本):class MyDense(keras.layers.Layer): def __init__(self, units, activation=None, **kwargs): //负责处理标准参
class Square(): def __init__(self, start, stop): self.value = start - 1 self.stop = stop def __iter__(self): return self def __next__(self): if
原创 2021-10-28 11:38:35
243阅读
添加自定义op本文介绍如何在tensorflow中增加一个新得OP以及op对应得kernel,还有如何编译和使用新增加得op。1.新增加op对应得kernel实现,新的op ZeroOutOp类继承自OpKernel,重新实现Compute接口,在该接口内实现op对应得kernel(tensorflow/core/user_ops/zero_out.cc cpu设备上的实现):REGISTER_O
转载 2024-03-27 20:15:10
64阅读
    今天讲解的内容是自定义层,和我们之前所学的构建层的方法相比,自定义层要复杂一些,而且要多一些注意事项,同时对python的要求也提高了不少,下边我们根据老师给出的案例代码进行讲解(注释)。#首先说一下自定义层的三种方法 import tensorflow as tf #自定义全连接层 class Linear(tf.keras.layers.Layer): #在__init__中进行所有
转载 2024-05-15 12:31:22
99阅读
tensorflow2.0建议使用tf.keras作为构建神经网络的高级API 接下来我就使用tensorflow实现VGG16去训练数据背景介绍:2012年 AlexNet 在 ImageNet 上显著的降低了分类错误率,深度神经网络进入迅速发展阶段。在2014年牛津大学机器人实验室尝试构建了更深的网络,文章中称为"VERY DEEP CONVOLUTIONAL NETWORKS",如VGG16
转载 2024-02-18 13:20:39
70阅读
class MyIterator:    def __init__(self,x=2,xmax=100):        self.__mul,self.__x=x,x        self.__xmax=xmax    def __iter__(self):#定义迭代器协议的方法,返回类自身        return self    def __next__(self
原创 2022-08-01 18:20:07
108阅读
常量、变量、占位符、会话是tensorflow编程的基础也是最常用到的东西,tensorflow定义的变量、常量都是tensor(张量)类型。常量tf.constant()tensorflow定义的变量、常量都是tensor(张量)类型常用是在运行过程中不会改变的量,如作线性回归Y = w*X + b ,知道一系列(X, Y) ,通过梯度下降找w和b,X和Y的值在程序运行时就不会去改变,只不断
  在开发的时候,经常会在页面上迭代输出一个集合中的内容,可以用在jsp页面上写脚本输出,这样比较麻烦,而且代码量很大,也不易维护。更好的方法是使用JSTL或Struts中的标签,代码简洁而且符合设计模式,这里我们使用JSP中的自定义标签,来实现和JSTL中的标签类似的功能。这里主要用到了TagSupport中的doStartTag和doAfterBody方法。 代码如下:
转载 精选 2011-03-22 13:22:24
806阅读
一图看懂tensorflow模型存储和恢复一图讲解仅保存权重和偏置模型的保存方法 一图讲解每次跟随教程进行深度学习模型训练过程中,都要把下载数据,搭建模型,训练模型,预测的过程走一遍,尤其是我们针对同一个数据进行不同方向学习的时候,我们要把一个相同的模型来回跑数次,大量的时间写重复的代码会极大的降低我们的学习积极性,那么如何将我们计算好的模型封装起来,下次遇到相同情况直接调用呢?下面我将结合te
tensorflow 自定义 op 可能需要新定义 c++ operation 的几种情况: 现有的 operation 组合不出来你想要的 op 现有的 operation 组合 出来的 operation 十分低效 如果你想要手动融合一些操作。 为了实现你的自定义操作,你需要做一下几件事: 在 c++ 文件中注册一个新op: Op registration 定义了 op 的功能接口,它和 o
转载 2021-08-26 14:14:15
1044阅读
import numpy as npimport tensorflow as tfimport osfrom tensorflow.python.framework import
原创 2022-07-09 00:01:05
88阅读
这篇教程是翻译Morgan写的TensorFlow教程,作者已经授权翻译,这是原文。目录TensorFlow学习系列(一):初识TensorFlowTensorFlow学习系列(二):形状和动态维度TensorFlow学习系列(三):保存/恢复和混合多个模型TensorFlow学习系列(四):利用神经网络实现泛逼近器(universal approximator)TensorFlow学习系列(五)
目录tensorflow 自定义层扩展tf.keras.Layer类并实现init()build()add_weight()组合层创建ResNet残差快实例对象调用build()函数查看模型整体 tensorflow 自定义层通常机器学习的模型可以表示为简单层的组合与堆叠,使用TensorFlow中的tf.keras来构建模型。 扩展tf.keras.Layer类并实现init:在其中执行所有与输
转载 2024-05-16 15:08:09
79阅读
官网的mnist和cifar10数据之后,笔者尝试着制作自己的数据集,并保存,读入,显示。 TensorFlow可以支持cifar10的数据格式, 也提供了标准的TFRecord 格式,而关于 tensorflow 读取数据, 官网提供了3中方法 1 Feeding: 在tensorflow程序运行的每一步, 用Python代码在线提供数据 2 Reader : 在一个计算图(
转载 2024-01-30 06:37:52
60阅读
自定义模型 4.3自定义层 通过对 tf.keras.layers.Layer 进行子类化并实现以下方法来创建自定义层:build:创建层的权重。使用 add_weight 方法添加权重。call:定义前向传播。compute_output_shape:指定在给定输入形状的情况下如何计算层的输出形状。 或者,可以通过实现 get_config 方法和 from_config 类方法序列化层。cla
转载 2024-04-08 07:58:29
124阅读
函数里也只能用 TF自己的算子 对tensor操作import tensorflow as tfbatch_size = 4hidden_size = 2input_ten
原创 2022-07-19 11:38:25
210阅读
  • 1
  • 2
  • 3
  • 4
  • 5