主要是常用的api有一定的更改： tf.mul、tf.sub 和 tf.neg 被弃用，现在使用的是 tf.multiply、tf.subtract 和 tf.negative. 可视化的api有较多改变。可以直接参考我的另一篇博客 新的版本中这些方法已经木有了~~~各位注意下。 =======1.0更改的api TensorFlow/models 被移到了一个单独的 GitHub r
TensorFlow Cookbook for version 1.12针对TellnsorFlow-1.12的《Tensorflow机器学习实践指南》代码自己在学习《Tensorflow机器学习实践指南》这本书的时候，用的是Tensorflow-1.12的版本，虽然很多代码都是可以运行并且ok的，但是还是存在函数改名和代码运行不对的情况，所以把针对Tensorflow-1.12的代码上传到这里，
转载
2024-06-21 20:15:30
76阅读
TensorflowAPI的使用以及 使用自己的数据集进行目标检测参考链接： 英文：英文参考链接一：下载对应的模型模型下载地址： 上网自行搜索COCO-trained models {#coco-models}选择对应的模型 在这里我下载使用的是 faster_rcnn_inception_v2_coco_2018_01_28.tar.gz并将faster_rcnn_inception_v2_co
转载
2024-07-26 13:05:04
59阅读
Tensorflow gpu版安装教程 吐槽：中间的坑实在太多，安装过程整整花了我一天的时间。。。所以打算写这个教程来做个总结，希望后面安装的人能少踩一些坑。当然过程中你可能还会遇到其他问题，一般百度一下都能找到解决方案。1 用pip安装tensorflow-gpu（注意版本！！！） 如果你还没有安装pip，那就自行百度一下吧，我也是百度装好的，现在已经忘了。 由于国外的镜像下载非常慢，装
转载
2024-04-30 17:08:15
276阅读
图像分类和目标检测是计算机视觉两大模块。相比于图像分类，目标检测任务更复杂更困难。目标检测不但要检测到具体的目标，还要定位目标的具体位置。不过Tensorflow models上大神们的无私奉献已经使得目标检测模型平民化，只需要按照特定的格式准备好训练数据，就可以轻松训练出自己想要的目标检测模型。本文通过一个例子介绍如何通过Tensorflow models快速构建目标检测模型。准备工作：从git
转载
2024-03-16 01:10:51
54阅读
紧接上一篇，此时，已经选择了一个预先训练好的模型，以适应新的对象检测任务。在这篇文章中，将向展示如何将数据集转换为 TFRecord 文件，以便于调整模型。这是整个过程中最棘手的部分之一，并且需要动手编写一些代码，除非选择的数据集已经是特定的格式。TensorFlow 对象检测API教程 - 第2部分：将现有数据集转换为 TFRecord在本教程中，创建了一个可识别交通灯状态的交通灯分类器。预先训
转载
2024-02-25 05:17:35
31阅读
tensorflow架构 Object detection is one of the most popular and used computer vision methods nowadays, where the intention is not only to determine whether the object is found or not in the image in the
转载
2024-08-06 21:05:06
84阅读
论文原文地址：Towards End-to-End Lane Detection: an Instance Segmentation ApproachTensorflow代码地址：lanenet-lane-detection 现在作者维护的版本更新到了2021.4.29。我上传到了百度网盘里：链接：https://pan.baidu.com/s/1XydBVV-niTo9GybRDhqu
转载
2024-05-06 12:44:02
125阅读
本教程主要是对人脸检测及识别python实现系列 及碉堡了！程序员用深度学习写了个老板探测器（付源码） 的实现。主要实现的功能是用网络摄像头自动识别在工位通道走过的人脸，如果确认是老板的话，就用一张图片覆盖到整个屏幕上。虽然原教程已经写的很好，但是我们在实现的时候仍然踩了很多坑。本着让后来者少走点弯路的原则，我们特将最详细的步骤记录如下，以期读者朋友只花最少的时间便能体验用tensorflow实现
转载
2024-04-22 14:35:18
254阅读
如何基于Anaconda安装tensorflow-gpu报告实验环境：Windows 10 64位操作系统NVIDIA驱动程序版本419.72目录如何基于Anaconda安装tensorflow-gpu报告实验环境：一、 为什么要使用tensorflow二、 安装流程1. 安装前的明确2. 详细步骤1）CUDA安装配置2）CuDNN安装配置3）Tensorflow安装Tensorflow环境
转载
2024-06-19 18:01:19
78阅读
干货！如何修改在TensorFlow框架下训练保存的模型参数名称为何要修改TensorFlow训练的模型参数名？如何修改TensorFlow训练保存的参数名？ 为何要修改TensorFlow训练的模型参数名？在TensorFlow框架下的深度学习程序中，我们将训练得到的模型参数进行保存。在我们进行某些训练任务时，也许要从已经保存的预训练模型中载入参数，或者将TensorFlow框架训练得到的参数
转载
2024-04-14 22:31:43
106阅读
前言 关于TF的目标检测迁移学习，我一开始是想通过Tensorflow提供的API，用JS来实现的。但是官方不但没有案例，网上也没有踩坑的博客，加之我又着急要弄水印检测。 于是就在网上看了很多人用python实现的自定义训练，我也试过很多。运行
平时工作就是做深度学习，但是深度学习没有落地就是比较虚，目前在移动端或嵌入式端应用的比较实际，也了解到目前主要有caffe2，腾讯ncnn，tensorflow，因为工作用tensorflow比较多，所以也就从tensorflow上下手了。下面内容主要参考&翻译： https://www.tensorflow.org/mobile/?hl
转载
2024-05-27 17:12:24
75阅读
摘要本次实战案例，少奶奶给大家带来了使用Tensorflow Lite方式把YOLOV3嵌入Android版APP中，该APP通过调用手机摄像头，实现实时检测并返回具体结果，从而实现自定义网络模型移植边缘设备的可能。通过阅读本篇博客，大家也可以获得以下提升： 1）自定义训练的网络模型都可以通过TensorFlow Lite移植到Android版的APP中，实现实时监测。 2）讲解Android项目
转载
2024-04-22 19:59:04
98阅读
TensorFlow Object Detection API系列教程一：Hello World! 简单介绍第一个目标检测例子实验环境代码下载安装相关依赖编译ProtobufRun起来简单分析参考 简单介绍TensorFlow Object Detection API是一个基于Tensorflow之上的开源框架，它使得构建、训练和部署目标检测模型变得更加容易。这是一个google的项目，对于计算
转载
2024-08-30 16:12:57
72阅读
二、数据准备 1）下载图片 图片来源于ImageNet中的鲤鱼分类，下载地址：https://pan.baidu.com/s/1Ry0ywIXVInGxeHi3uu608g 提取码: wib3 在桌面新建文件夹目标检测，把下载好的压缩文件n01440764.tar放到其中，并解压 2）选择图片 在此数据集中，大部分图片都较为清晰，但是有极少数图片像素点少，不清晰。像素点少
转载
2024-06-24 06:43:07
41阅读
Lanenet 一个端到端的网络，包含Lanenet+HNet两个网络模型，其中，Lanenet完成对车道线的实例分割，HNet是一个小网络结构，负责预测变换矩阵H，使用转换矩阵H对同属一条车道线的所有像素点进行重新建模将语义分割和对像素进行向量表示结合起来的多任务模型，最近利用聚类完成对车道线的实例分割。 将实例分割任务
转载
2023-10-31 15:16:43
23阅读
1、需要准备的东西分别解压 安装包编译环境yum install autoconfinstallyum installinstallinstallinstallyum install unzip (g++没找到）yum install gcc-c++ (用这个命令才能安装g++)yum install zlib yum install zlib-develyum
转载
2024-03-09 22:23:04
207阅读
本文翻译自Medium上的文章：Step by Step TensorFlow Object Detection API Tutorial — Part 2: Converting Existing Dataset to TFRecord，原文地址：https://medium.com/@WuStangDan/step-by-step-tensorflow-object-detection-api
本指南说明了如何在 Windows 系统上安装 TensorFlow。选择准备安装的 TensorFlow 类型从以下选项中选择您需要安装的 TensorFlow 类型：仅支持 CPU 的 TensorFlow。 如果系统无 NVIDIA® GPU，则必须安装该版本。需要说明的是，该版本的 TensorFlow 相比另一版本更容易安装（通常 5 到 10 分钟即可完成安装），因此即使系统包含 NV
转载
2024-05-27 22:48:42
117阅读
