深度学习Tensorflow工程化项目实战 读书笔记

深度学习Tensorflow工程化项目实战

第一章 学习准备

本笔记中代码的环境为python3.6，Tensorflow1.15，主要对于书中的工程实例进行调试和代码注解

---

---

第二章 开发环境

开发环境为：ubuntu下 pycharm+Anaconda3

---

---

第三章 简单的AI实例的调用

实例3.1：用AI模型识别图像是桌子、猫、狗，还是其他

---

---

第四章 用TensorFlow制作自己的数据集

4.1TensorFlow的数据集格式

Tensorflow有含有以下四种数据集格式：
1，内存对象数据集：
直接用字典类型feed_dict，通过tf的feed注入模式向模型输入数据。该格式适用于少量的数据输入时；
2，TFRecord数据集：
这是tensorflow官方定义的一种数据类型，用队列式管道（tfRecord）向模型输入数据。该数据类型在网络加载时效率更突出，适用于大量数据的情况；
3，Dataset数据集：
通过tensorflow官方的api，性能更高的输入管道（tf.data），该方法适用于tf1.4及之后的版本；
4，tf.keras接口数据集：为keras封装的数据接口。

实例4.1：将模拟数据制作成内存对象数据集

# -*- coding: utf-8 -*-
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt

#在内存中生成模拟数据
def GenerateData(batchsize = 100):
    train_X