一、简介 TensorFlow时谷歌于2015年11月宣布在Github上开源的第二代分布式机器学习系统，目前仍处于快速开发迭代中，有大量的新功能新特性在陆续研发中； TensorFlow既是一个实现机器学习算法的接口，同时也是执行机器学习算法的框架。它的前端支持Python、C++、Go、Java等多种开发语言，后端使用C++、CUDA等编写，其实现的算法可以在很多不同的系统上进行移植，虽然
转载
2024-04-01 06:50:06
9阅读
TensorFlow学习1-TensorFlow简介TensorFlow是什么？TensorFlow的编程策略TensorFlow的计算模型TensorFlow的数据模型TensorFlow的运算模型TensorFlow的安装和实例总结 在学习深度学习的时候，我们经常会听到TensorFlow的大名。那么TensorFlow是什么，是从哪里来的，干什么用的，怎么用。下面我们来一一回答这些问题。
转载
2024-03-24 08:46:22
56阅读
TensorFlow干什么？TensorFlows是人工智能AI领域的一个重要软件工具，是谷歌开发的开源软件(即免费的)。 人工智能领域分为三个方面，即基础层、技术层和应用层；而TensorFlow就是技术层中的学习框架。所谓学习框架，你可以用它来处理大量数据，快速建立数学模型，这些模型可以完成智能功能，例如自动识别一个图片里面的人物是否是范冰冰，当你百度范冰冰时，这个模型就可以识别并呈现范冰冰的
转载
2024-05-21 21:31:19
6阅读
上一章节我们介绍了App测试环境的搭建与配置，本节开始我们主要学习常见的ADB命令;简介ADB(Android Debug Bridge）工具，我们可以管理设备或手机模拟器的状态。还可以进行很多手机操作，如安装软件、系统升级、运行shell命令等等。其实简而言说，就是连接Android手机与PC端的桥梁，可以让用户在电脑上对手机进行全面的操作。常见命令：1、 查看连接的设备 adb
转载
2023-11-30 11:11:37
55阅读
总是用来测试
原创
2013-09-17 16:01:11
307阅读
目前无线通信用得比较多的是串口＋数传电台（无线Modem）。因为工况的原因，有些地方有变频机等的干扰，使得误码率大大加大。。。。。
当然，在短距离的环境下，无线局域网技术目前来说是比较好的选择，传输速率快，冲突检测自动重发。。。。。。
为了能更好的找到原因，故编了以下的小程序来客观的反映出误码率的多少。。
原理很简单，就是在发送端发送定义好的数据。然后在接收端看收到了多
转载
2005-12-16 16:03:00
388阅读
2评论
## Java用于测试的代码实现流程
### 1. 创建测试类
首先，我们需要创建一个测试类来编写测试代码。测试类通常以Test结尾，例如`MyClassTest`。在测试类中，我们将编写各种测试方法来验证被测试代码的正确性。
### 2. 导入测试框架
在Java中，我们通常使用JUnit来进行单元测试。因此，在测试类中，我们需要导入JUnit相关的包和类。常用的JUnit包有`org.ju
原创
2023-08-27 06:26:02
439阅读
TensorFlow 是一个
开源
软件库，用于使用数据流图进行数值计算。换句话说，即是构建深度学习模型的最佳方式。本文整理了一些优秀的有关 TensorFlow 的教程和
项目列表。
一、教程
TensorFlow Tutorial 1 — 从基础到更有趣的 TensorFlow 应用
TensorFlow Tutorial 2 — 基于 Google Tensor
tensorflow-gpu(cpu)安装教程 由于换过电脑，所以配过多次tensorflow环境，以前同样的步骤，但是或多或少都遇到抗.看过许多网上的关于cpu/gpu版本的教程，主要是gpu版本安装，因为涉及tensorflow-gpu版本号和cuda号和cudnn版本，以及自己电脑显卡能支持的cuda,***总结***网上大部分的gpu环境教程，主要分以下几步： （1）根据自己电脑显卡的支持
转载
2024-05-02 11:27:04
0阅读
AOP概述1)AOP(Aspect-Oriented Programming，面向切面编程)：是一种新的方法论，是对传 统 OOP(Object-Oriented Programming，面向对象编程)的补充。 面向对象 纵向继承机制 面向切面 横向抽取机制2)AOP编程操作的主要对象是切面(aspect)，而切面用于模块化横切关注点（公共功能）。3)在应用AOP编程时，仍然需要定义公共功能，但可
win下使用TensorFlow object detection训练自己模型1. 环境2.xml生成csv文件，再生成record文件2.1 对训练文件和测试文件都使用以下两个文件分别生成自己的csv文件2.1 对生成的两个csv文件分别生成自己的record文件3. 修改配置文件4.训练保存模型5.进行模型验证6.使用zed相机实时检测7.Android端使用实时检测7.1 将pb文件转换成
转载
2024-05-01 21:55:16
111阅读
这篇博客主要的目的就是简单地跑一下实验，让下载的代码能用预训练的模型去测试单个视频，并对结果可视化，从视觉上感受一下这个跟踪算法的效果，至于如果要自己训练自己的模型该如何准备训练数据，如何设计自己的模型，如何训练自己的模型，以及如何评估自己的模型等，这些问题都将在后面的系列博客中慢慢道来。1： SiameseFC-TensorFlow环境配置可参考源码中的说明，这里将截图放在这里，大家自行准备可运
转载
2024-09-28 13:04:18
82阅读
新手小白安装过程中遇到种种问题，大概花了两天的时间去安装tensorflow-gpu,其他相关概念在这里就不多提了，直接就是进入安装的需要。这里安装的tensorflow-gup==1.9.0版本，对应的python是3.6。一、确定自己的显卡支持CUDA1、查看自己的显卡：设备管理器-显示适配器 2、找到对应的显卡：https://developer.nvidia.com/cuda-gpus二、
转载
2024-05-16 11:13:02
0阅读
得益于令人难以置信的多元化社区，TensorFlow 已成长为世界上最受喜爱和广泛采用的 ML 平台之一。该社区包括：研究人员（例如，预测地震余震和检测乳腺癌）。开发人员（例如，构建应用程序来识别患病植物并帮助人们减肥）。公司（例如，通过eBay、Dropbox和AirBnB来改善他们的客户体验）。 还有许多其他人。11 月，2019年TensorFlow庆祝了它的 3 岁生日，回顾了这些年来添加
转载
2024-04-16 15:02:42
28阅读
测试程序# Pythonimport tensorflow as tfhello = tf.constant('Hello, TensorFlow!')sess = tf.Session()print(sess.run(hello))是否支持GPUimport tensorflow as tfsess = tf.Session(config=tf.ConfigProto(...
原创
2021-08-12 22:02:57
2826阅读
TensorFlow-CPU与GPU的安装教程TensorFlow-CPU1.下载Anaconda2. 下载Vsual C++3. 安装TensorFlow-CPUTensorFlow-GPU1.检测当前GPU驱动版本是否满足大于410版本2.下载Vsual C++3.下载Anaconda或Miniconda4.替代.condarc配置文件4.安装Tensorflow-GPU 写在前面：CPU和
转载
2024-02-29 23:46:23
112阅读
之前看了一波深度学习的理论知识。总感觉哪里不对，昨天发现，一直看错书了，应该从tensorflow这类书实践书看起。今天在windows10上搭建了一个简单的深度学习环境。跑一些小程序练练手。正文：深度学习环境：pythonanacondatensorflowkeras其实之前也打算装过tensorflow。但是没有成功。感觉这几个环境最难装的是tensorflow。如果不用GPU加速的话，不用安
转载
2024-06-12 05:48:50
117阅读
文 | Google 工具和基础架构软件工程师 Shanqing Cai我们怀着激动的心情与大家分享 TensorFlow 调试程序 (tfdbg)，这个工具可以简化 TensorFlow 中对机器学习 (ML) 模型的调试。TensorFlow 是 Google 的开源 ML 内容库，基于数据流图表。一个典型的 TensorFlow ML 程序包括两个独立的阶段：利用内容库的 Python AP
转载
2024-03-23 20:12:52
33阅读
导入tensorflow，这将导入 TensorFlow 库，并允许使用其精彩的功能：
import tensorflow as if由于要打印的信息是一个常量字符串，因此使用 tf.constant：
message = tf.constant('Welcome to the exciting world of Deep Neural Networks!')为了执行计算图，利用 with 语句定
转载
2023-06-30 18:32:45
73阅读
1、TensorFlow 的Hello Worldimport tensorflow.compat.v1 as tf
tf.disable_eager_execution()
# 创建一个常量运算，将其作为一个节点加入到默认计算图中
hello = tf.constant("Hello World")
# 创建一个对话
sess = tf.Session()
#运行并获得结果
print(s
