tensorflow2.0

【Tensorflow2.0】2、tensorflow2.0更新内容

文章目录1、主要特征和提升重点突破性改变2、tensorflow2.0的十大重要更新2.1默认支持eager方式2.2tf.function和AutoGraph2.3不再有tf.variable_scope2.4
牛andmore牛·2020-06-21 08:31

如何在tensorflow2.0制作自己的数据集

如何在tensorflow2.0制作自己的数据集运行环境Windows10PyCharm2019.2.3需要用到的库opencv4.1.2_python3.7图片获取首先我们需要获取到自己需要的图片，图片格式大小必须统一
sq_damowang·2020-06-21 07:47

嫌官方文档太烂？TensorFlow 开源工具书，助你快速上手开发！

有人在GitHub开源了一个名为《30天吃掉那只TensorFlow2.0》的入门工具书，或许可以让你无痛上
GitHubDaily·2020-06-21 07:08

tensorflow2.0---2.利用tensorflow2.0进行mnist分类实战

有了一些tensorflow2.0的基础，然后加上之前对tensorflow也有了解，所以今天用tensorflow2.0做个mnist的分类实战，这也相当于“helloworld”吧。
shelgi·2020-06-21 07:10

Tensorflow2.0学习（一） — Keras基础应用（MNIST手写数字图像识别）

近期准备开始学习Tensorflow2.0,顺便复习一下Keras的一些相关原理，因此特此写一些系列教程来分享以及记录我学习过程中的一些知识，总结一些看过的书的内容和网上教程，文章内容均为原创，可能会有些错误的地方
Yohann、·2020-06-21 06:11

Tensorflow2.0学习（八） — tf.dataset自定义图像数据集

对于Tensorflow2.0，主要有两种自定义制作我们自己数据集的方式：一种是直接由tensorflow自身提供的函数来进行制作，而另一种则是调用tensorflow的高级APIKeras的函数来制作
Yohann、·2020-06-21 06:11

TensorFlow2.0 系列开篇： Windows下GPU版本详细安装教程

【导读】今年三月谷歌在TensorFlow开发者峰会上宣布TensorFlow2.0Alpha版本（内部测试版）之后，TensorFlow2.0Beta版本（公开测试版本）已经发布。TF2.0相比于1.x版本默认使用Keras、EagerExecution、支持跨平台、简化了API等。这次更新使得TF2.0更加的接近PyTorch，一系列烦人的概念将一去不复返。如果2019的下半年开始入坑TF，那
FMI飞马网·2020-06-21 06:19

【TensorFlow2.0】经典数据集加载与数据集处理

文章目录一、数据集加载与处理流程二、数据集处理2.1随机打散2.2批训练2.3预处理2.4循环训练三、数据集加载与处理实战一、数据集加载与处理流程  利用tensorflow提供的工具便捷的加载经典数据集。自定义的数据集以后再讲。  tensorflow中keras.Datasets数据集对象，方便实现多线程、预处理、随机打散、批训练等常用数据集的功能。  常用经典数据集：  （1）Bostonh
不断进步的咸鱼·2020-06-21 05:34

Tensorflow2.0 实现 YOLOv3（二）：网络结构（common.py + backbone.py）

文章目录文章说明总体结构common.pyConvolutional结构Residual残差模块Upsample结构backbone.pyDarknet53结构yolov3.pyYOLOv3网络完整代码common.pybackbone.py文章说明本系列文章旨在对Github上malin9402提供的代码进行说明，在这篇文章中，我们会对YOLOv3网络的整体结构进行说明，涉及的文件包括commo
cofisher·2020-06-21 05:23

用Tensorflow2.0实现Faster-RCNN的详细代码解析

文章目录项目介绍utils.py中的函数说明1、wandhG2、load_gt_boxes3、plot_boxes_on_image4、compute_iou5、compute_regression6、decode_output7、nmsdemo.py1、将utils.py中的函数导入2、设置阈值与相关参数3、读取图片与真实框坐标4、每个预测框的得分和训练变量5、根据每个预测框的得分和训练变量得到
cofisher·2020-06-21 05:23

Tensorflow2.0 之 SSD 网络结构

文章目录引言网络结构搭建SSD网络空洞卷积参考资料引言SSD目标检测算法在2016年被提出，它的速度要快于Faster-RCNN，其精度要高于YOLO（YOLOv3除外），在本文中，我们主要针对其网络结构进行说明。网络结构其实SSD的网络是基于VGG网络来建立的，VGG网络如下图所示：SSD网络将VGG中的全连接层去掉后又在后面接了十层卷积层，将VGG中的Conv4_3，新加的Conv7，Conv
cofisher·2020-06-21 05:23

Tensorflow2.0用FPN（图像金字塔网络）提取特征

一、FPN的作用当我们在使用卷积神经网络的提取图像特征的时候，最后一个featuremap的长宽会比原始图片小很多，比如原始图片大小为100x100，featuremap大小为10x10，这就说明，其实我们是在用featuremap中的一个特征点来表示原始图片中一个10x10的像素区域。然而，在目标检测中，我们可能要对原始图片中的一个1x1的像素点中包含的物体进行检测，这样的话我们就很有可能将这个
cofisher·2020-06-21 05:23

Tensorflow2.0之TFRecord文件的写入与读取

文章目录为什么要使用TFRecord文件什么是TFRecord文件怎样写入TFRecord文件1、导入需要的库2、导入图片3、写入TFRecord文件怎样读取TFRecord文件1、初步读取TFRecord文件2、生成描述文件3、定义解码器4、展示图片为什么要使用TFRecord文件正常情况下我们用于训练的文件夹内部往往会存着成千上万的图片或文本等文件，这些文件通常被散列存放。这种存储方式有一些缺
cofisher·2020-06-21 05:52

Tensorflow2.0之文本分类确定文章译者

代码实现1、加载数据集请参考Tensorflow2.0加载和预处理数据的方法汇总中的第七部分：导入文本（用于文本分类）。2、建立模型model=tf.keras.Sequenti
cofisher·2020-06-21 05:52

Tensorflow2.0之TensorBoard：训练过程可视化

文章目录使用TensorBoard流程具体流程Step1Step2Step3Step4查看Graph和Profile信息实例1、定义模型及训练过程2、建立文件夹存放TensorBoard的记录文件3、实例化记录器（开启Trace）4、将参数记录到指定的记录器中使用TensorBoard流程1、建立文件夹存放TensorBoard的记录文件；2、实例化记录器；3、将参数（一般是标量）记录到指定的记录
cofisher·2020-06-21 05:52

Tensorflow2.0之文本生成莎士比亚作品

文章目录1、导入数据2、创建模型3、训练3.1编译模型3.2配置检查点3.3训练模型4、预测4.1重建模型4.2生成文本我们将使用AndrejKarpathy在《循环神经网络不合理的有效性》一文中提供的莎士比亚作品数据集。给定此数据中的一个字符序列（“Shakespear”），训练一个模型以预测该序列的下一个字符（“e”）。通过重复调用该模型，可以生成更长的文本序列。1、导入数据请参考Tensor
cofisher·2020-06-21 05:52

Tensorflow2.0之自定义ResNet

文章目录1、ResNet网络结构1.1Residual1.2ResnetBlock1.3ResNet2、代码构建残差网络2.1Residual2.2ResnetBlock2.3ResNet2.4网络检验1、ResNet网络结构残差网络由残差块（ResnetBlock）组成，每一个残差块又是由多个Residual构成的。下面以ResNet18为例，分析残差网络结构的构建。1.1ResidualRes
cofisher·2020-06-21 05:51

Tensorflow2.0：用自己的网络实现神经风格迁移

PS：对神经风格迁移的原理感兴趣的可以参考：Tensorflow2.0之神经风格迁移。下面直接贴上代码并对其中不好理解的地方做
cofisher·2020-06-21 05:51

Tensorflow2.0之基于注意力的神经机器翻译

文章目录代码实现1、处理数据集1.1导入需要的库1.2下载文件1.3处理西班牙语中的重音1.4处理ascii文本1.5返回单词对1.6生成文档词典1.7加载数据集1.8计算目标张量的最大长度1.9划分训练集和测试集1.10将数字向量转化为文本1.11创建一个tf.data数据集2、编写模型2.1编码器2.2Bahdanau注意力2.3解码器3、定义优化器和损失函数4、训练4.1梯度下降4.2训练过
cofisher·2020-06-21 05:51

Tensorflow2.0之用遗传算法优化卷积神经网络结构 Version2

文章目录一、构建网络1、导入需要的库和数据集2、对数据集进行处理3、对数据集切片处理4、构建分类器4.1CNN模块4.2Dense模块4.3分类器4.4、设置参数5、构造损失函数6、构造梯度下降函数7、训练二、遗传算法1、导入需要的库2、设置参数3、导入数据4、适应度函数5、选择函数6、交叉函数7、变异函数8、生成第一代种群9、优化一、构建网络在这里，使用Mnist数据集进行演示。1、导入需要的库
cofisher·2020-06-21 05:51

Tensorflow2.0如何在网络中规定多个输出

vgg=tf.keras.applications.VGG19(include_top=False,weights='imagenet')vgg.trainable=False对于迁移学习，可以参考：Tensorflow2.0
cofisher·2020-06-21 05:51

Tensorflow2.0之用粒子群算法优化卷积神经网络的初始权重

文章目录一、构建网络1、导入需要的库和数据集2、对数据集进行处理3、对数据集切片处理4、构建分类器4.1Conv2D层4.2CNN模块4.3Dense模块4.4分类器4.4、设置参数5、构造损失函数6、构造梯度下降函数7、训练二、粒子群算法1、导入需要的库2、设置参数3、导入数据4、适应度函数5、生成第一代粒子群6、构建函数实现列表的加减乘操作6.1加6.2减6.3乘7、优化一、构建网络在这里，使
cofisher·2020-06-21 05:51

Tensorflow2.0之绘图：分类问题的准确率、精确率、召回率、ROC曲线以及曲线下面积

文章目录准确率、精确率、召回率、ROC曲线的定义用Tensorflow2.0绘制相关曲线建模时设置METRICS定义损失曲线、AUC曲线、精确率曲线以及召回率曲线函数定义ROC曲线函数预测训练集和测试集
cofisher·2020-06-21 05:51

Tensorflow2.0中的梯度带（GradientTape）、梯度更新以及部分报错的解决方法

文章目录梯度更新的例子GradientTape类的参数persistentwatch_accessed_variableswatched_variables函数debugTypeError:zipargument#2mustsupportiterationTypeError:CannotiterateoverascalartensorInvalidArgumentError:varandgradd
cofisher·2020-06-21 05:50

Tensorflow2.0分批训练模型

首先引入相关的库importtensorflowastfimportnumpyasnpimportmatplotlib.pyplotasplt加载数据集(mnist_images,mnist_labels),_=tf.keras.datasets.mnist.load_data()print(type(mnist_images))print(mnist_images.dtype)print(mni
cofisher·2020-06-21 05:50

Tensorflow2.0的迁移学习

当在做使用神经网络做分类（或回归）问题时，我们倾向于选择较复杂的网络来提高准确率，但是网络的复杂会使得训练时间变很长。而如果我们使用其他人已经训练好的模型来给我们的任务做分类，需要训练的参数数量就会大大减少。下面，使用已经训练好的MobileNetV2模型来给猫狗数据集进行分类。导入需要的库importosimportnumpyasnpimporttensorflowastfimportmatpl
cofisher·2020-06-21 05:19

Tensorflow2.0之tf.keras.applacations迁移学习

文章目录直接使用模型（包含分类层）对输入的图片进行预处理实例化VGG19模型将图片输入VGG19进行分类查看概率最高的5个类别已有网络+自定义分类层实例化VGG19模型在vgg的基础上添加自己的分类层当在做使用神经网络做分类（或回归）问题时，我们倾向于选择较复杂的网络来提高准确率，但是复杂的网络会使得训练时间变很长。而如果我们使用其他人已经训练好的模型来给我们的任务做分类，需要训练的参数数量就会大
cofisher·2020-06-21 05:19

tensorflow2.0中损失函数的选择及使用

文章目录使用场合binary_crossentropy（对数损失函数）categorical_crossentropy（多分类的对数损失函数）sparse_categorical_crossentrop（稀疏性多分类的对数损失函数）使用方法方法一方法二使用场合binary_crossentropy（对数损失函数）即logloss，与sigmoid相对应的损失函数，针对于二分类问题。categori
cofisher·2020-06-21 05:19

tensorflow2.0 读取图片数据总结

本篇文章，我们就聊聊如何使用TensorFlow2.0对自己的数据集进行处理。
段大帅·2020-06-21 05:28

tensorflow2.0由入门到放弃（持续更新）

一、回归（使用tf.keras训练模型）1-在JupyterNotebook环境中运行程序importtensorflowastfimportpandasaspd//pandas为数据处理工具data=pd.read_csv('EEE.csv')//在创建的notebook文件当前目录下创建csv数据文件，并导入。图中CSV文件为自己简单创建。data//显示数据importmatplotlib.
小白battle日记·2020-06-21 04:30

Tensorflow2.0之自定义数据集

Tensorflow2.0之自定义数据集Brief在学习DeepLearning的过程中我们难免会因为需求而要使用自定义的DS，本文就简要的介绍如何自定义DSPoKemonDataset这次我们使用的是
Keter_·2020-06-21 04:12

Tensorflow2.0之可视化界面（tensorboard）

Tensorflow2.0之可视化界面可视化：在网络训练的过程中，通过Web端远程监控网络的训练进度，可视化网络的训练结果，对于提高开发效率和实现远程监控是非常重要的。
Keter_·2020-06-21 04:12

TensorFlow2.0 搭建简单的ResNet和训练

1.resnet.pyimportosimporttensorflowastffromtensorflowimportkerasfromtensorflow.kerasimportdatasets,layers,optimizers,Sequential,metricsclassBasicBlock(layers.Layer):def__init__(self,filter_num,stride=
mathlmj·2020-06-21 03:19

Tensorflow2.0入门教程4：顺序式模型和函数式模型搭建神经网络

tf.kearsKeras是一个广为流行的高级神经网络API，简单、快速而不失灵活性，现已得到TensorFlow的官方内置和全面支持。两个重要概念：模型（Model）和层（Layer）层将各种计算流程和变量进行了封装（例如基本的全连接层，CNN的卷积层、池化层等），而模型则将各种层进行组织和连接，并封装成一个整体，描述了如何将输入数据通过各种层以及运算而得到输出。importtensorflow
itluojie·2020-06-21 02:31

tensorflow2.0入门（2）：keras详解和回归模型构建

前言在TensorFlow2.0中，推荐使用Keras(tf.keras)构建神经网络模型，因此学习tf2.0要从keras入手。
1024程序开发者社区·2020-06-21 02:07

Keras vs. tf.keras: 在TensorFlow 2.0中有什么区别?

在本教程中，您将发现Keras和tf.keras之间的区别，包括TensorFlow2.0中的新增功能。Kerasvs.tf.keras:在TensorFlow2.0中有什么区别?
flyfor2013·2020-06-21 01:24

一行代码迁移TensorFlow 1.x到TensorFlow 2.0

为了让你的老代码能够向TensorFlow2.0无缝迁移，TensorFlow开发组推出了tf_upgrade_v2功能。
客服小羊·2020-06-21 00:48

TensorFlow2.0入门到进阶2.14 —— wide&deep模型多输入多输出

文章目录1、wide&deep理论及前期博客2、多输入3、多输出1、wide&deep理论及前期博客wide&deep模型：https://blog.csdn.net/caoyuan666/article/details/105869670函数API实现wide&deep模型子类API实现wide&deep模型2、多输入本实验使用数据为房价预测的数据集，如果不清楚的小伙伴请看：一个房价预测回归项目
努力改掉拖延症的小白·2020-06-21 00:49

《30天吃掉那只 TensorFlow2.0 》（附下载）

本书面向读者本书假定读者有一定的机器学习和深度学习基础，使用过Keras或者Tensorflow1.0或者Pytorch搭建训练过模型。对于没有任何机器学习和深度学习基础的同学，建议在学习本书时同步参考学习《Python深度学习》一书。《Python深度学习》这本书是Keras之父FrancoisChollet所著，该书假定读者无任何机器学习知识，以Keras为工具，使用丰富的范例示范深度学习的最
机器学习算法那些事·2020-06-20 23:55

《30天吃掉那只 TensorFlow2.0 》（附下载）

本书面向读者本书假定读者有一定的机器学习和深度学习基础，使用过Keras或者Tensorflow1.0或者Pytorch搭建训练过模型。对于没有任何机器学习和深度学习基础的同学，建议在学习本书时同步参考学习《Python深度学习》一书。《Python深度学习》这本书是Keras之父FrancoisChollet所著，该书假定读者无任何机器学习知识，以Keras为工具，使用丰富的范例示范深度学习的最
文文学霸·2020-06-20 23:56

〖TensorFlow2.0笔记26〗YOLOV2目标检测算法以及实战！

YOLOV2目标检测算法以及实战！文章目录一.YOLOV2算法介绍1.1.YOLOV2提升11.2.YOLOV2提升21.3.YOLOV2提升31.4.YOLOV2总结二.YOLOV2算法实战之Dataset2.1.数据集构成2.2.解析图像的XML文件2.3.构建DB(拼接成Tensorflow的Dataset对象)2.4.可视化DB(一张图像)2.5.数据增强(dataaugumentatio
张开放·2020-06-20 23:24

深度学习下的目标检测算法——TensorFlow 2.0下的YOLOv3实践

本文主要包含如下内容：修改qqwweee/keras-yolo3(目标检测算法YOLOv3的一个Keras版本的优秀实现)，将其修改为tf.keras为主导的，并修订不兼容的接口和逻辑，使其支持TensorFlow2.0
笔墨留年·2020-06-20 23:20

有趣的深度学习——使用TensorFlow 2.0实现图片神经风格迁移

于是，我抽时间用TensorFlow2.0重写了一下。先做一下简单演示（所有演示图片来源于网络，侵
笔墨留年·2020-06-20 23:20

汇总|Yolo开源项目

1、PytorchYoloV3使用PyTorch实现的YOLOv3对象检测算法https://github.com/ayooshkathuria/pytorch-yolo-v32、Yolov3Tf2在Tensorflow2.0
3Ｄ视觉工坊·2020-06-20 23:22

Tensorflow2.0学习（21）：文本生成之数据处理

莎士比亚文本数据集实战步骤1.产生词表2.建立字符与id的对应3.将词表数据都转成id4.对文本输入做出输出：abcd->bcd*导包importmatplotlibasmplimportmatplotlib.pyplotasplt%matplotlibinlineimportnumpyasnpimportsklearnimportpandasaspdimportosimportsysimport
一枚小白的日常·2020-06-20 23:46

Tensorflow2.0学习（17）：利用resnet50进行迁移学习

利用预训练好的resnet50模型进行迁移训练在下载resnet50模型时出现了域名解析错误，查了好多都不知道怎么解决。总的来看，网络分为了两层：第一层是resnet50的模型，其中包含了很多卷积层与池化层等，并且已经预训练好了权重偏置等。第二层是自定义的全连接层。在训练模型时，设置的是仅训练全连接层，及resnet50_fine_tune.layer[0].trainable=False实战#做
一枚小白的日常·2020-06-20 23:45

tensorflow2.0学习-2 基本概念

原文https://github.com/lyhue1991/eat_tensorflow2_in_30_days1、张量程序=数据结构+算法。TensorFlow程序=张量数据结构+计算图算法语言张量和计算图是TensorFlow的核心概念。Tensorflow的基本数据结构是张量Tensor。张量即多维数组。Tensorflow的张量和numpy中的array很类似。张量的数据类型和numpy
CopperDong·2020-06-20 22:20

2018阿里广告点击率预估模型---DIN，Tensorflow2.0代码实践，并附上github

前言最近看了2018年阿里在KDD上发表的论文《DeepInterestNetworkforClick-ThroughRatePrediction》，想复现下，看了文章给出的github开源代码，发现环境是TF1.4的，并且注释太少，有些没大理解【还是太菜了】，因此准备参考原有代码使用TF2.0来对模型进行简单的复现。如果有些地方有些出入或者错误，请大佬们给我指出，感谢【因为现在没服务器，所以没像
Blank_spaces·2020-06-20 21:56

Tensorflow2.0实现ResNet出错怎么办？

Tensorflow2.0实现ResNet出错怎么办？
赵立林·2020-06-20 21:09

好友开源的《如何用 30 天吃掉 TensorFlow2.0》

尽管tensorflow2.0宣称已经为改善用户体验做出了巨大的改进，reallyeasytouse，但大家学得并不轻松。
weixin_38753422·2020-06-20 21:27
上一页 29 30 31 32 33 34 35 36 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他