tensorflow2.0

【Tensorflow2.0】4、Tensorflow2.0+Keras_快速入门教程

文章目录Tensorflow2.0+Keras综述Tensorflow2.0是Tensorflow1.x和Keras的组合设计，考虑了四年来的用户反馈和框架发展，很大程度上解决了上述问题，将成为未来的机器学习平台
牛andmore牛·2020-06-20 21:38

GitHub 标星 8.3k+，Tensorflow 2.0 代码实现及教学材料开放下载！

转自机器学习初学者随着Google的TensorFlow2.0正式版深度学习框架的发布，业界兴起了一股学习更易上手，开发效果更高，使用更灵活的TensorFlow2.0的热潮。
GitHubDaily·2020-06-20 21:46

Tensorflow2.0之神经风格迁移

文章目录什么是神经风格迁移代码实现1、导入需要的库2、下载图片3、将图片加载到程序中4、加载VGG19模型，并打印出其中所有的层5、从VGG19中挑出风格层和内容层6、改变VGG19模型7、风格计算8、建立风格迁移模型9、得到风格图片的风格特征和内容图片的内容特征10、将内容图片设置为变量11、定义优化函数12、定义损失函数13、定义每一步的梯度下降14、训练模型，优化图片15、总变分损失计算高频
cofisher·2020-06-20 21:26

Tensorflow2.0对不平衡数据的分类（含混淆矩阵与ROC图）

文章目录数据集介绍代码实现1、导入需要的库2、导入数据集查看数据集中正样本（欺诈）和负样本（未欺诈）的数量对数据集进行稍微处理3、划分数据集划分训练集、验证集和测试集划分出特征和标签4、标准化处理5、查看正负样本的相关信息区分正负样本在'V5'，'V6'两个维度上比较正负样本6、构建模型7、对比：有bias_initializervs没有bias_initializer没有bias_initial
cofisher·2020-06-20 21:26

Tensorflow2.0之DeepDream（深度梦境）

文章目录DeepDream代码实现1、导入需要的库2、下载并导入图像3、导入InceptionV3模型4、改变模型输出为要提取特征的层查看InceptionV3模型的层选出要提取特征的层改变模型输出5、定义损失函数6、定义一次梯度上升初始化优化器梯度上升过程7、训练模型图像标准化定义训练函数进行训练8、八度（Octave）9、平铺计算（tiledcomputation）随机移动定义一次梯度上升定义
cofisher·2020-06-20 21:26

Tensorflow2.0加载和预处理数据的方法汇总

文章目录1、使用tensorflow_datasets1.1导入需要的库1.2加载数据集1.3查看数据集中某些样本的信息1.4将样本标准化1.5将样本打乱、分批1.6查看最终的训练样本2、将已有的csv文件作为数据集2.1将数据从csv文件中取出2.1.1用Pandas库查看数据2.1.2用numpy库查看数据2.2数据标准化2.3划分训练集和测试集2.4划分特征与标签2.5切片处理3、使用tf.
cofisher·2020-06-20 21:25

Github标星8.3k+，Tensorflow 2.0的代码实现及教学材料（“龙书”）公布下载了！

本文推荐一个热门的Tensorflow2.0的学习项目，提供pdf和代码，github上标星8.3k+Github地址：https://github.com/dragen1860/Deep-Learning-with-TensorFlow-book
风度78·2020-06-20 20:18

升级到tensorflow2.0，我整个人都不好了

来源：opencv学堂环境是一个比较烦人的问题，今天分享一下opencv学堂贾老师关于采坑的一些总结，同时在b站上面无私地分享关于如何安装tensorflow2.0的教程，在文末已附上链接~版本升级到tensorflow2.0
flyfor2013·2020-06-20 20:18

GitHub标星2000+，如何用30天啃完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。
AI科技大本营·2020-06-20 20:54

tensorflow2.0 DenseNet121 训练 cifar100

fromtensorflow.kerasimportlayers,regularizers,Sequential,optimizersimporttensorflowastfimportnumpyasnpdefregularized_padded_conv2d(*args,**kwargs):'''带标准化的卷积'''returnlayers.Conv2D(*args,**kwargs,paddi
昵称已被吞噬~‘(*@﹏@*)’~·2020-06-08 21:44

吴恩达Deep Learning第四课作业（第三周 Tensorflow2.0 keras搭建YOLO3）

目录链接：吴恩达DeepLearning学习笔记目录参考资料：YOLO系列之yolov1、YOLO系列之yolov2、yolo系列之yolov3【深度解析】论文：YOLO1：YouOnlyLookOnce:Unified,Real-TimeObjectDetectionYOLO2：YOLO9000:Better,Faster,StrongerYOLO3：YOLOv3:AnIncrementalIm
七月七叶·2020-05-29 10:17

视频教程-tensorflow2.0实现faster-rcnn-深度学习

tensorflow2.0实现faster-rcnn张益新，算法工程师，3年程序开发，2年AI落地经验。专注于基于关键点的检测算法落地于新零售行业。
weixin_28766743·2020-05-28 10:00

用Tensorflow API：tf.keras搭建网络八股（一）

TensorflowAPI：tf.keras搭建网络八股目录一、导包二、导入数据集三、Sequential搭建网络四、compile配置训练方法五、fit执行训练过程六、summary输出网络结构及参数七、总体代码目录Tensorflow2.0
飘在风中的鱼·2020-05-24 14:19

tebsorflow2.0 语义分割(Oxford-IIIT数据集)

下面就是tensorflow2.0的对该数据集的语义分割实现。本文基于TF2.0,谷歌Colab平台。fromgoogle.colabimportdrive
安静到无声·2020-05-23 18:41

Conda 命令 tensorflow2.0/2.1安装

Conda命令+tensorflow安装版本信息及更新下载conda--versioncondaupdateconda#更新至最新版本更新相关包condaupdate--all#更新所有包也就是打补丁3.67——>3.69condaupgrade--all#升级所有包3.6——>3.7condalist#显示所有包condaclean-p//删除没有用的n包condaclean-t//删除tar包
Mr Humor·2020-05-22 21:07

TensorFlow2.1入门学习笔记(9)——神经网络参数优化器(优化器性能比较)

TensorFlow2.0入门学习笔记(9)——神经网络参数优化器神经网络是基于链接的人工智能，当网络结构固定后，不同参数的选取对模型的表达力影响很大，优化器就是引导更新模型参数的工具常用符号待优化参数
Moon小木·2020-05-22 00:00

基于tensorflow2.0的手写数字识别

之前用的tensorflow1.x版本感觉很费劲，这次尝试用tensorflow2.0版本实现下，实现容易实现多了，再也不用withtf.Session()assess了。
JulyLi2019·2020-05-21 02:26

吴恩达Tensorflow2.0实践第二课笔记

文章目录重要链接05/17/20(0~）猫狗大战Catsvs.Dogs重要链接吴恩达Tensorflow2.0实践第二课视频课程示例程序代码05/17/20(0~）猫狗大战Catsvs.Dogs数据集下载
有点理想的程序员666·2020-05-20 23:33

windows系统：Failed to import pydot. You must install pydot and graphviz for `pydotprint` to work.

Failedtoimportpydot.Youmustinstallpydotandgraphvizfor`pydotprint`towork.解决：1.首先说明我的配置环境：win10+Anaconda+python3.7（Tensorflow2.0
饭饭饭小Jian·2020-05-19 17:26

TensorFlow2.X结合OpenCV = 手势识别

先显示下部分数据集图片构建模型进行训练数据集地址（可参考如何用TensorFlow2.0制作自己的数据集）importtensorflowastffromtensorflowimportkerasfromtensorflow.kerasimportdatasets
BABYMISS·2020-05-18 20:47

如何用TensorFlow2.0制作自己的数据集

第一步：准备好需要训练的图片，这个自行准备，并将图片分类好，并且给每一类图片所在的文件夹命名。如图，我这里共分5类，分别为00000，00001，00002，00003，00004。第二步获取图片和标签并存放到对应列表中。1.导入需要的包importtensorflowastfimportosos.environ['TF_CPP_MIN_LOG_LEVEL']='2'importnumpyasnp
BABYMISS·2020-05-18 20:39

tensorflow2.0学习笔记：多输入多输出

（tensorflow2.0学习笔记：wideanddeep模型）多输出，通常用于实现不同的任务。
凿井而饮·2020-05-16 08:44

吴恩达Tensorflow2.0实践第一课笔记

5/16/20(2.5~4.8)计算机视觉样例Keras建立模型的详细解释回调函数卷积和池化TensorFlow处理horse-or-human图像导入图片检验重要链接吴恩达Tensorflow2.0实践第一课视频课程示例程序代码
有点理想的程序员666·2020-05-15 23:05

tensorflow2.0学习——tensorflow-keras 归一化

一、归一化简介在对数据进行预处理时，经常要用到归一化方法。在深度学习中，将数据归一化到一个特定的范围能够在反向传播中获得更好的收敛。如果不进行数据标准化，有些特征（值很大）将会对损失函数影响更大，使得其他值比较小的特征的重要性降低。因此数据标准化可以使得每个特征的重要性更加均衡。公式表达为：二、归一化实战在这里我们可以将上一节所使用的的图像分类的代码，修改为有将数据归一化的代码，命名为------
Achilles_Heel·2020-05-14 21:00

tensorflow2.0学习——tensorflow-keras

一、tensorflow与tf.keras简介tensorflow和keras及tf.keras的区别API:全称ApplicationProgrammingInterface，即应用程序编程接口。API是一些预定义函数，目的是用来提供应用程序与开发人员基于某软件或者硬件得以访问一组例程的能力，并且无需访问源码或无需理解内部工作机制细节。tensorflow:Google开源的基于数据流图的机器学
Achilles_Heel·2020-05-14 17:00

TensorFlow2.0入门到进阶系列——5.2_卷积神经网络

5.2_卷积神经网络1、理论部分1.1、卷积神经网络1.1.1结构1.1.2神经网络遇到的问题2、实战部分2.1、keras实现卷积神经网络2.2、keras实现深度可分离卷积2.2.1、理论部分2.2.2、深度可分离卷积网络实战1、理论部分卷积神经网络卷积操作、池化操作深度可分离卷积数据增强迁移学习1.1、卷积神经网络1.1.1结构卷积神经网络（卷积层+池化层（可选））*N+全连接层*M；(其中
ClFH·2020-05-12 16:48

TensorFlow2.0入门到进阶系列——2_TensorFlow-Keras实战

2_TensorFlow-Keras实战1、内容结构2、理论部分2.1、Tensorflow-keras简介2.1.1、keras是什么2.1.2、Tensorflow-keras是什么2.1.3、Tensorflow-keras和keras的联系2.1.4、Tensorflow-keras和keras的区别2.1.5、Tensorflow-keras和keras如何选择2.2、分类问题、回归问题
ClFH·2020-05-08 21:54

[tensorflow2.0](入门) 特性

节点----------处理数据线---------节点间的输入和输出的关系线上运输的是丈量tensor节点被分配到各种计算设备上运行tensorflow2.0主要特性使用tf.keras和eagermode
zmjames2000·2020-05-08 15:17

[tensorflow2.0](入门)简单记录

f(x)=ax+bimporttensorflowastfimportpandasaspddata=pd.read_csv(r’…xxx.csv’)x=data.Educationy=data.Incomemodel=tf.keras.Sequential()model.add(tf.keras.layers.Dense(1,input_shape=([1,])))model.summary()m
zmjames2000·2020-05-08 15:11

Tensorflow2.0学习笔记

目录目录一、Tensorflow2.0基本概念与常见函数1.1基本概念1.2常用函数1.3第一个Tensorflow程序——鸢尾花分类二、神经网络优化2.1学习率策略一、Tensorflow2.0基本概念与常见函数
yunqianrui·2020-04-30 12:42

tensorflow2.0的函数签名与图结构(推荐)

input_signature的好处：1.可以限定函数的输入类型，以防止调用函数时调错，2．一个函数有了input_signature之后，在tensorflow里边才可以保存成savedmodel。在保存成savedmodel的过程中，需要使用get_concrete_function函数把一个tf.function标注的普通的python函数变成带有图定义的函数。下面的代码具体体现了input
兰钧·2020-04-28 11:16

算法小白的第一次尝试---tensorflow2.0实战iris

importtensorflowastfimportsklearn.datasetsasdatasetsimportnumpyasnp##1.加载数据集x_data=datasets.load_iris().data#加载featuresy_data=datasets.load_iris().target#加载label#随机切分数据，此处需设置相同的随机种子np.random.seed(168)
小糖宝·2020-04-22 18:25

基于pytorch：BiLSTM-Attention实现关系抽取

概述虽然tensorflow2.0发布以来还是收获了一批用户，但是在自然语言处理领域，似乎pytorch见的更多一点。关系抽取是目前自然语言处理的主流任务之一，遗憾没能找到较新能用的开源代码。
nineteens·2020-04-22 15:13

安装多个版本的TensorFlow的方法步骤

TensorFlow2.0测试版在今年春季发布，新版本比1.x版本在易用性上有了很大的提升。
PengWei·2020-04-21 15:49

从零基础入门Tensorflow2.0 ----六、27 卷积神经网络

everyblogeverymotto:0.前言卷积神经网络实战1.代码部分1.导入模块importmatplotlibasmplimportmatplotlib.pyplotasplt%matplotlibinlineimportnumpyasnpimportsklearnimportpandasaspdimportosimportsysimporttimeimporttensorflowast
胡侃有料·2020-04-19 15:18

吴恩达Deep Learning第四课作业（第二周 Tensorflow2.0）

目录链接：吴恩达DeepLearning学习笔记目录  1.Tensorflow2.0tf.keras入门  2.残差网络1.Tensorflow2.0tf.keras入门  通过Tensorflow2.0tf.keras框架搭建模型来识别图片是否是笑脸（笑脸标签1，非笑脸标签0）。搭建模型一共三种方法：  ①通过tf.keras.models.Sequenctial()来搭建  ②通过tf.ke
七月七叶·2020-04-19 12:49

深度学习之TensorFlow 2.0编程从入门到实践

第1章：TensorFlow2.0基础入门第1节：实训平台链接https://lianxi.xiaoxiangxueyuan.com/赵英俊Enjoy/project/Tensorflow2.0编程从入门到实践第
往事如yan·2020-04-19 10:17

从零基础入门Tensorflow2.0 ----四、15.tf.data读取csv文件并与tf.keras结合使用

everyblogeverymotto:Loveiscarefullydesignedlie.0.前言数据->csv文件->tf.data读取csv文件实战tf.data的使用1.代码部分1.导入模块importmatplotlibasmplimportmatplotlib.pyplotasplt%matplotlibinlineimportnumpyasnpimportsklearnimport
胡侃有料·2020-04-13 09:58

【tensorflow2.0】AutoGraph和tf.Module

TensorFlow2.0主要使用的是动态计算图和Autograph。动态计算图易于调试，编码效率较高，但执行效率偏低。静态计算图执行效率很高，但较难调试。
西西嘛呦·2020-04-11 10:00

【tensorflow2.0】AutoGraph的机制原理

TensorFlow2.0主要使用的是动态计算图和Autograph。动态计算图易于调试，编码效率较高，但执行效率偏低。静态计算图执行效率很高，但较难调试。
西西嘛呦·2020-04-11 10:00

【tensorflow2.0】AutoGraph的使用规范

TensorFlow2.0主要使用的是动态计算图和Autograph。动态计算图易于调试，编码效率较高，但执行效率偏低。静态计算图执行效率很高，但较难调试。
西西嘛呦·2020-04-11 10:00

【tensorflow2.0】张量的数学运算

张量的操作主要包括张量的结构操作和张量的数学运算。张量结构操作诸如：张量创建，索引切片，维度变换，合并分割。张量数学运算主要有：标量运算，向量运算，矩阵运算。另外我们会介绍张量运算的广播机制。本篇我们介绍张量的数学运算。一，标量运算张量的数学运算符可以分为标量运算符、向量运算符、以及矩阵运算符。加减乘除乘方，以及三角函数，指数，对数等常见函数，逻辑比较运算符等都是标量运算符。标量运算符的特点是对张
西西嘛呦·2020-04-11 10:00

【tensorflow2.0】张量的结构操作

张量的操作主要包括张量的结构操作和张量的数学运算。张量结构操作诸如：张量创建，索引切片，维度变换，合并分割。张量数学运算主要有：标量运算，向量运算，矩阵运算。另外我们会介绍张量运算的广播机制。本篇我们介绍张量的结构操作。一，创建张量张量创建的许多方法和numpy中创建array的方法很像。importtensorflowastfimportnumpyasnpa=tf.constant([1,2,3
西西嘛呦·2020-04-10 15:00

【tensorflow2.0】高阶api--主要为tf.keras.models提供的模型的类接口

下面的范例使用TensorFlow的高阶API实现线性回归模型。TensorFlow的高阶API主要为tf.keras.models提供的模型的类接口。使用Keras接口有以下3种方式构建模型：使用Sequential按层顺序构建模型，使用函数式API构建任意结构模型，继承Model基类构建自定义模型。此处分别演示使用Sequential按层顺序构建模型以及继承Model基类构建自定义模型。一，使
西西嘛呦·2020-04-10 15:00

【tensorflow2.0】中阶api--模型、损失函数、优化器、数据管道、特征列等

下面的范例使用TensorFlow的中阶API实现线性回归模型。TensorFlow的中阶API主要包括各种模型层，损失函数，优化器，数据管道，特征列等等。importtensorflowastffromtensorflow.kerasimportlayers,losses,metrics,optimizers#打印时间分割线@tf.functiondefprintbar():ts=tf.time
西西嘛呦·2020-04-10 15:00

【tensorflow2.0】低阶api--张量操作、计算图、自动微分

下面的范例使用TensorFlow的低阶API实现线性回归模型。低阶API主要包括张量操作，计算图和自动微分。importtensorflowastf#打印时间分割线@tf.functiondefprintbar():ts=tf.timestamp()today_ts=ts%(24*60*60)hour=tf.cast(today_ts//3600+8,tf.int32)%tf.constant(
西西嘛呦·2020-04-10 15:00

【tensorflow2.0】自动微分机制

神经网络通常依赖反向传播求梯度来更新网络参数，求梯度过程通常是一件非常复杂而容易出错的事情。而深度学习框架可以帮助我们自动地完成这种求梯度运算。Tensorflow一般使用梯度磁带tf.GradientTape来记录正向运算过程，然后反播磁带自动得到梯度值。这种利用tf.GradientTape求微分的方法叫做Tensorflow的自动微分机制。一，利用梯度磁带求导数importtensorflo
西西嘛呦·2020-04-10 14:00

【tensorflow2.0】三种计算图

而在TensorFlow2.0时代，采用的是动态计算图，即每使用一个算子后，该算子会被动态加入到隐含的默认计算图中立即执行得到结果，而无需开启Session。使用动态计算图
西西嘛呦·2020-04-10 14:00

【tensorflow2.0】处理时间序列数据

本篇文章将利用TensorFlow2.0建立时间序列RNN模型，对国内的新冠肺炎疫情结束时间进行预测。一，准备数据本文的数据集取自tushare，获取
西西嘛呦·2020-04-09 15:00

【tensorflow2.0】处理文本数据-imdb数据

一，准备数据imdb数据集的目标是根据电影评论的文本内容预测评论的情感标签。训练集有20000条电影评论文本，测试集有5000条电影评论文本，其中正面评论和负面评论都各占一半。文本数据预处理较为繁琐，包括中文切词（本示例不涉及），构建词典，编码转换，序列填充，构建数据管道等等。在tensorflow中完成文本数据预处理的常用方案有两种，第一种是利用tf.keras.preprocessing中的T
西西嘛呦·2020-04-09 14:00
上一页 30 31 32 33 34 35 36 37 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他