tensorflow2

Tensorflow2.0学习（3）：数据的归一化与回调函数的使用

数据归一化的作用可以加快梯度下降求解最优解的速度，减少迭代次数。可以在一定程度上提高模型的训练效果：将不同数据的特征映射到同一维度上，防止有些数据的特征占主导。回调函数的作用与使用简单说明回调函数是人与机器的一种很好的交互方式，可在训练过程中对epoch结果进行判断，而不必等到训练完成再判断。一些常见的回调函数：keras.callbacks.EarlyStopping:在监视到训练的质量改变不大
一枚小白的日常·2020-06-22 05:23

Tensorflow2.0学习（7）：wide&deep模型的多输入与多输出

修改前篇代码中的输入与输出确定wide和deep端分别的输入#将输入切分为deep和wide输入#取前5个特征作为wide端的输入#取3->n列的特征作为deep端的输入x_train_scaled_wide=x_train_scaled[:,:5]x_train_scaled_deep=x_train_scaled[:,2:]x_valid_scaled_wide=x_valid_scaled[
一枚小白的日常·2020-06-22 05:23

Tensorflow2.0学习（9）：求导

Tensorflow2.0中导数的求解导包importmatplotlibasmplimportmatplotlib.pyplotasplt%matplotlibinlineimportnumpyasnpimportsklearnimportpandasaspdimportosimportsysimporttimeimporttensorflowastffromtensorflowimportke
一枚小白的日常·2020-06-22 05:23

Tensorflow2.0学习（8）：基础API

导入包、打印包的信息importmatplotlibasmplimportmatplotlib.pyplotasplt%matplotlibinlineimportnumpyasnpimportsklearnimportpandasaspdimportosimportsysimporttimeimporttensorflowastffromtensorflowimportkerasprint(tf
一枚小白的日常·2020-06-22 05:23

TensorFlow2.0_交叉熵原理简介

文章目录一、香农熵1.1香农熵原理公式1.2香农熵tf示例二、交叉熵（CrossEntropy）2.1交叉熵原理公式2.2one-hot下交叉熵的变形2.3tf2实现一、香农熵1.1香农熵原理公式在将交叉熵的时，先讲一下熵。H(P)=−∑pilog2piH(P)=-\sum{p_ilog_2{p_i}}H(P)=−∑pilog2pi熵越大，代表不确定性越大，信息也就越大。1.2香农熵tf示例比如：
Scc_hy·2020-06-22 04:26

基于TensorFlow 2.0的中文深度学习开源书来了！GitHub趋势日榜第一，斩获2K+星

十三发自凹非寺量子位报道|公众号QbitAITensorFlow2.0发布已有一个半月之久，你会用了吗？近日，一个叫做深度学习开源书的项目在火了。GitHub趋势日榜排名全球第一，已斩获2K+星。
QbitAl·2020-06-22 03:45

tensorflow2.0学习-1

原文https://github.com/lyhue1991/eat_tensorflow2_in_30_days1、数据准备有三种数据形式：结构化数据、图像和文本结构化数据：一般使用panda图像数据
CopperDong·2020-06-22 03:58

tensorflow2.0学习-3 API层次结构

原文https://github.com/lyhue1991/eat_tensorflow2_in_30_days低阶、中阶和高阶API1、低阶API使用TensorFlow的低阶API实现线性回归模型
CopperDong·2020-06-22 03:26

tensorflow2.x第二篇

学习率策略，激活函数，正态分布函数，tf.where，正则化，交叉熵损失函数，优化参数策略指数衰减学习率策略importtensorflowastfimportmatplotlib.pyplotaspltN=400'''tf.keras.optimizers.schedules.ExponentialDecay(initial_learning_rate,decay_steps,decay_rat
能不能只学数学呀·2020-06-22 02:00

Tensorflow2.0-GPU安装教程

在安装tensorflow2.0版本时，踩了好多坑，希望借此机会整理一下。主要介绍在Win10系统下安装Tensorflow2.0Gpu的过程。
Oh奔跑的蜗牛·2020-06-22 02:55

tensorflow 2.0相比1.0诸多改变

一图看懂TensorFlow2.0系列（一）TensorFlow1.0和TensorFlow2.0究竟有什么区别？
Mezikov·2020-06-22 01:39

tensorflow1.0到tensorflow2.0的跨度也太大了吧。怎么解决更新以后很多程序不能用问题

tensorflow1.0到tensorflow2.0的跨度也太大了吧，各种出现AttributeError:module‘tensorflow’hasnoattribute‘placeholder’AttributeError
Mezikov·2020-06-22 01:07

在windows10环境下安装Tensorflow2.1.0--cpu版本，及jupyter使用tensorflow出现kernel内核崩溃的解决（踩坑无数，总结出的快捷方法）

最近跟着导师学习深度学习，需要进行安装tensorflow，老师给的方法很简洁，直接pipinstalltensorflow，由于在国内嘛，可想而知，99%肯定Readtimedout.下面是我总结的一条直路，包含了在jupyter运行tensorflow：首先百度下载安装anaconda，这个比较简单不再赘述，唯一注意的一点便是根据自己电脑位数下载，别32位电脑下成了64位的anaconda。下
Kyrie_Kitty·2020-06-21 23:40

Tensorflow 2.1.0 中 keras.utils.plot_model()出错的解决方法

最近在学习Tensorflow2，使用keras模型可视化的plot_model()绘制模型图的时候报错。上网查找解决方案，发现网上的解决方法没有切中核心，因此在此记录备查。
小小和蓝胖·2020-06-21 22:07

Tensorflow2.0实例化 Model 的两种方式

1、在“函数式API”中，从“输入层”开始，当前层的输入层是前一层的输出层，最后用输入层和输出层创建模型:inputs=tf.keras.Input(shape=(28,28,1))x=Conv2D(32,3,activation='relu')(inputs)x=Flatten()(x)x=Dense(128,activation='relu')(x)outputs=Dense(10,activ
IT_BOY__·2020-06-21 22:25

Tensorflow2 自定义数据集图片完成图片分类任务

对于自定义数据集的图片任务，通用流程一般分为以下几个步骤：LoaddataTrain-Val-TestBuildmodelTransferLearning其中大部分精力会花在数据的准备和预处理上，本文用一种较为通用的数据处理手段，并通过手动构建，简单模型，层数较深的resnet网络，和基于VGG19的迁移学习。你可以通过这个例子，快速搭建网络，并训练处一个较为满意的结果。1.Loaddata数据集
JoyLake·2020-06-21 21:00

TensorFlow 2.0.0（TensorFlow1.xx也可以用）+ Kears 测试、入门例程 (摄氏度-华氏度转换 )

系统：win10环境：Anaconda+Spyder+python3.7安装：tensorflow2.0测试有如下输出，证明TensorFlow配置好GPU了，就可以正常使用。
一念逍遥、·2020-06-21 21:51

tensorflow2.0实现鸢尾花数据集的分类(2)——神经网络搭建

接我的上一篇博客:tensorflow2.0实现鸢尾花数据集的分类(1)——鸢尾花数据的读入(详解)1.我们先说说，机器学习问题的一般流程：1.数据准备阶段数据集读入数据集清洗(本次没有涉及)数据标准化
Ryan Huang·2020-06-21 21:14

TensorFlow2.1基本概念与常用函数

基本概念  TensorFlow中的Tensor表示张量，是多维数组、多维列表，用阶表示张量的维数。张量的阶数与方括号的数量相同。张量可以表示0阶到n阶的数组。  TensorFlow中数据类型包括32位整型(tf.int32)、32位浮点(tf.float32)、64位浮点(tf.float64)、布尔型(tf.bool)、字符串型(tf.string)。创建张量的方法1.利用tf.consta
樱樱小丸子·2020-06-21 21:13

Tensorflow2.0 keras MobileNetV2 代码实现

目录迁移学习自编程序BlockDepthwiseSeparableblockKerasMobileNetV2复现参考网络介绍请参看：博文keras搭建深度学习模型的若干方法：博文直接上网络结构迁移学习依旧看看标准答案importtensorflowastffromtensorflowimportkerasbase_model=keras.applications.MobileNetV2(weigh
老光头_ME2CS·2020-06-21 20:02

Tensorflow2.0 keras MobileNet 代码实现

目录迁移学习自编程序BlockNetwork参考网络介绍请参看：博文keras搭建深度学习模型的若干方法：博文直接上网络结构迁移学习依旧看看标准答案importtensorflowastffromtensorflowimportkerasbase_model=keras.applications.MobileNet(weights='imagenet')base_model.summary()自编
老光头_ME2CS·2020-06-21 20:02

Tensorflow2.0 keras ResNet18 34 50 101 152系列 代码实现

模型介绍参看：博文可以看出ResNet系列最多层数达到了152层，但是基本结构可以分为四个模块，即特征层分别为64，128，256，512的卷积层block；每个卷积层block中如上图，由两组卷积层由两层卷积核大小为3x3组成，每一层采取了标准化（normalization）处理，激活函数是relu，第二个relu在残差处理后进行；但是根据不同深度，每个卷积层模块的block数量存在差异，可以分
老光头_ME2CS·2020-06-21 20:02

Tensorflow2.0 keras DenseNet121 系列 代码实现

目录迁移学习Denseblock结构剖析自编代码导入各种库卷积组（1x1+3x3）DenseBlockTransitionBlock构建DenseNet121网络参考网络介绍请参看：博文keras搭建深度学习模型的若干方法：博文迁移学习importtensorflowastffromtensorflowimportkerasbase_model=keras.applications.DenseNe
老光头_ME2CS·2020-06-21 20:02

Tensorflow2.0 迁移学习 Fine tune 模型库Tensorflow Hub

参考Tensorflow官网的图像迁移学习的训练内容，使用预训练的CNN进行迁移学习。目录模型库TensorflowHubTensorflow.keras.application迁移学习的步骤使用TFHub进行迁移学习使用Tensorflow.keras.application进行迁移学习预处理创建迁移基础模型Finetuning模型库TensorflowHub一个有大量完成训练的经典网络库。如下
老光头_ME2CS·2020-06-21 20:01

Tensorflow2.0 自定义图像数据集 读取加速 tf.data.Dataset.cache (二)

接上一篇Tensorflow2.0tf.data.Dataset.from_tensor_slices自定义图像数据集(一)。
老光头_ME2CS·2020-06-21 20:01

Tensorflow2.0 tf.data.Dataset.from_tensor_slices 自定义图像数据集 (一)

要利用Tensorflow或者Pytorch实现深度学习过程的第一步就是图像数据集的加载。这里写目录标题Tensorflow图像数据集加载图片路径和标签读取图像预处理创建TensorflowDataset对象方案一（不推荐）方案二（推荐）Dataset对象的预处理输入网络读取.npy文件Pytorch参考Tensorflow图像数据集加载从tf.keras.util下载五类花数据集合data_di
老光头_ME2CS·2020-06-21 20:01

Tensorflow 2.0 keras.models.Sequential() Model() 创建网络的若干方式 及共享权重问题

注意：tensorflow2.*以后的版本可以直接使用tf.keras.Sequential()和tf.keras.Model()两个类。
老光头_ME2CS·2020-06-21 20:01

RNN情感分类及Tensorflow2.0实现

下面介绍基于RNN的情感分类的例子并给出tensorflow2.0的具体实现，主要还是对于官方文档的理解，并在其中加入了自己的一些感悟。
Forlogen·2020-06-21 20:57

[Tensorflow2.X][转载]tf.data读取tf.record文件并与tf.keras结合使用

importmatplotlibasmplimportmatplotlib.pyplotaspltimportnumpyasnpimportsklearnimportpandasaspdimportosimportsysimporttimeimporttensorflowastffromtensorflowimportkerassource_dir="./generate_csv"print(os
FL1623863129·2020-06-21 20:10

TensorFlow2.0搭建神经网络最简单的入门

根据北大TensorFlow2.0笔记的内容，总结搭建神经网络的六步法以鸢尾花数据集实例来进行模型的搭建importtensorflowastffromsklearnimportdatasetsimportnumpyasnp
Healer__·2020-06-21 20:59

30天干掉tensorflow2.0-day17 特征列feature_column

文章目录特征列feature_column一，特征列用法概述二，特征列使用范例特征列feature_column特征列通常用于对结构化数据实施特征工程时候使用，图像或者文本数据一般不会用到特征列。一，特征列用法概述使用特征列可以将类别特征转换为one-hot编码特征，将连续特征构建分桶特征，以及对多个特征生成交叉特征等等。要创建特征列，请调用tf.feature_column模块的函数。该模块中常
Elenstone·2020-06-21 19:41

30天干掉tensorflow2.0-day21 评估指标metrics

文章目录评估指标metrics一，常用的内置评估指标二，自定义评估指标评估指标metrics损失函数除了作为模型训练时候的优化目标，也能够作为模型好坏的一种评价指标。但通常人们还会从其它角度评估模型的好坏。这就是评估指标。通常损失函数都可以作为评估指标，如MAE,MSE,CategoricalCrossentropy等也是常用的评估指标。但评估指标不一定可以作为损失函数，例如AUC,Accurac
Elenstone·2020-06-21 19:41

30天干掉tensorflow2.0-day15 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。
Elenstone·2020-06-21 19:40

30天干掉tensorflow2.0-day02

一，准备数据cifar2数据集为cifar10数据集的子集，只包括前两种类别airplane和automobile。训练集有airplane和automobile图片各5000张，测试集有airplane和automobile图片各1000张。cifar2任务的目标是训练一个模型来对飞机airplane和机动车automobile两种图片进行分类。我们准备的Cifar2数据集的文件结构如下所示。在
Elenstone·2020-06-21 19:40

30天干掉tensorflow2.0-day04

目录时间序列数据建模流程范例一，准备数据二，定义模型三，训练模型四，评估模型五，使用模型六，保存模型时间序列数据建模流程范例国内的新冠肺炎疫情从发现至今已经持续3个多月了，这场起源于吃野味的灾难给大家的生活造成了诸多方面的影响。有的同学是收入上的，有的同学是感情上的，有的同学是心理上的，还有的同学是体重上的。那么国内的新冠肺炎疫情何时结束呢？什么时候我们才可以重获自由呢？本篇文章将利用Tensor
Elenstone·2020-06-21 19:40

利用Anaconda安装TensorFlow2.0的CPU和GPU版本

目录0前言1准备2Tensorflow2.0CPU版本安装2.1新建虚拟环境2.2安装Tensorflow2.0CPU版本2.3验证Tensorflow2.0CPU版本3tensorflow3.0GPU
Elenstone·2020-06-21 19:40

30天干掉tensorflow2.0-day27 使用多GPU训练模型

使用多GPU训练模型如果使用多GPU训练模型，推荐使用内置fit方法，较为方便，仅需添加2行代码。在Colab笔记本中：修改->笔记本设置->硬件加速器中选择GPU注：以下代码只能在Colab上才能正确执行。可通过以下colab链接测试效果《tf_多GPU》：https://colab.research.google.com/drive/1j2kp_t0S_cofExSN7IyJ4QtMscbVl
Elenstone·2020-06-21 19:09

30天干掉tensorflow2.0-day14 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。
Elenstone·2020-06-21 19:09

30天干掉tensorflow2.0-day10 高阶API示范

3-3,高阶API示范下面的范例使用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
Elenstone·2020-06-21 19:09

30天干掉tensorflow2.0-day25 训练模型的3种方法

文章目录训练模型的3种方法一，内置fit方法二，内置train_on_batch方法三，自定义训练循环训练模型的3种方法模型的训练主要有内置fit方法、内置tran_on_batch方法、自定义训练循环。注：fit_generator方法在tf.keras中不推荐使用，其功能已经被fit包含。importnumpyasnpimportpandasaspdimporttensorflowastffr
Elenstone·2020-06-21 19:09

30天干掉tensorflow2.0-day28 使用TPU训练模型

文章目录使用TPU训练模型一，准备数据二，定义模型三，训练模型使用TPU训练模型如果想尝试使用GoogleColab上的TPU来训练模型，也是非常方便，仅需添加6行代码。在Colab笔记本中：修改->笔记本设置->硬件加速器中选择TPU注：以下代码只能在Colab上才能正确执行。可通过以下colab链接测试效果《tf_TPU》：https://colab.research.google.com/d
Elenstone·2020-06-21 19:09

30天干掉tensorflow2.0-day09 中阶API示范

中阶API示范下面的范例使用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=
Elenstone·2020-06-21 19:09

30天干掉tensorflow2.0-day19 模型层layers

文章目录模型层layers一，内置模型层二，自定义模型层模型层layers深度学习模型一般由各种模型层组合而成。tf.keras.layers内置了非常丰富的各种功能的模型层。例如，layers.Dense,layers.Flatten,layers.Input,layers.DenseFeature,layers.Dropoutlayers.Conv2D,layers.MaxPooling2D,
Elenstone·2020-06-21 19:09

30天干掉tensorflow2.0-day12 张量的数学运算

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
Elenstone·2020-06-21 19:09

[Python人工智能] 一.TensorFlow环境搭建及神经网络入门

第一篇文章主要讲解神经网络基础概念，同时讲解TensorFlow2.0的安装过程及基础用法，主要结合作者之前的博客和"莫烦大神"的视频介绍，后面随着深入会讲解具体的项目及应用。
Eastmount·2020-06-21 19:42

[Python人工智能] 三.TensorFlow基础之Session、变量、传入值和激励函数

基础性文章，希望对您有所帮助，如果文章中存在错误或不足之处，还请海涵~文章最初想以TensorFlow2.0撰写，
Eastmount·2020-06-21 19:42

TensorFlow2.0如何导入数据集？

fromtensorflow.examples.tutorials.mnistimportinput_datamnist=input_data.read_data_sets("MNIST_data/",one_hot=True)但是在新版本（tensorflow2.0
Doyle_·2020-06-21 19:46

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

点击上方“Datawhale”，选择“星标”公众号第一时间获取价值内容【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
Datawhale·2020-06-21 19:58

tensorflow2.0(简介)

tensorflow简介一、tensorflow是什么采用数据流图，用于数值计算支持多种平台–GPU，CPU，移动设备最初用于深度学习，越来越通用–只要能描述为数据流图就可以用tensorflow解决二、数据流图数据流图用“结点”（nodes）和“线”(edges)的有向图来描述数学计算。“节点”一般用来表示施加的数学操作，但也可以表示数据输入（feedin）的起点/输出（pushout）的终点，
Bob drudgery·2020-06-21 17:32

深度学习——tensorflow2.0使用fine-tune实现CNN中的retnet50模型

importmatplotlibasmplimportmatplotlib.pyplotaspltimportnumpyasnpimportosimportpandasaspdimportsklearnimportsysimporttensorflowastfimporttimefromtensorflowimportkerasfromPILimportImage%matplotlibinline
BingLZg·2020-06-21 17:20
上一页 79 80 81 82 83 84 85 86 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他