tensorflow知识回顾

【机器学习】nce_loss 目录 一、前置知识 二、理论回顾 Logistic Regression 三、Noise Contrastive Estimation ​​​​举例 四、特别注意 五、NCE in tensorflow 一、前置知识 【机器学习】tf.nn.softmax 【机器学习】sampled softmax loss 因为我觉得nce loss是这几个里面最难理解的。Noise-contrastive estimation nce loss 与 sampled softmax loss 到底 阅读详情

最近开始学习tensorflow,以前学习过程中发现一些不太常用的东西需要回头翻好几次才能熟练掌握,所以我在开始学习tf的过程中会把一些感觉需要记录下来的东西整理一下,如果后面有需要可以回头翻一下。
这篇博客记录的东西主要是不常用或者我个人感觉可能需要回头翻看的技术,所以不适合作为教程之类的技术博客。

使用flags定义命令行参数

tf.app.flags

tf定义了tf.app.flags,用于支持接受命令行传递参数,相当于接受argv。

import tensorflow as tf

#第一个是参数名称,第二个参数是默认值,第三个是参数描述
tf.app.flags.DEFINE_string('str_name', 'def_v_1',"descrip1")
tf.app.flags.DEFINE_integer('int_name', 10,"descript2")
tf.app.flags.DEFINE_boolean('bool_name', False, "descript3")

FLAGS = tf.app.flags.FLAGS

#必须带参数,否则:'TypeError: main() takes no arguments (1 given)';   main的参数名随意定义,无要求
def main(_):  
    print(FLAGS.str_name)
    print(FLAGS.int_name)
    print(FLAGS.bool_name)

if __name__ == '__main__':
    tf.app.run()  #执行main函数

Result:

[root@AliHPC-G41-211 test]# python tt.py
def_v_1
10
False
[root@AliHPC-G41-211 test]# python tt.py --str_name test_str --int_name 99 --bool_name True
test_str
99
True
2、TensorFlow 2.x 基础:从层到图的深度学习之旅 本文深入讲解了使用 TensorFlow 2.x 构建深度学习模型的基础知识,从层的创建到模型的构建、训练和验证,再到低级别 API 中的数据流图和 tf.Graph 结构。通过一个完整的图像分类示例,展示了使用 Keras 进行模型开发的完整流程,并对关键概念进行了总结和对比,帮助读者更好地理解和掌握 TensorFlow 2.x 在深度学习中的应用。 阅读详情

相关推荐

深度学习与图像识别实战:Python 3.6.4与TensorFlow

在当今数字化时代,图像识别与计算机视觉技术已成为促进各行各业创新和转型的核心力量。本章将揭开图像识别与计算机视觉的神秘面纱,让读者对这两个概念有一个基础的认识,并了解它们在现实世界中的应用潜力。计算机视觉是一门研究如何使计算机通过数字图像和视频感知和理解世界的技术。它涉及图像处理、模式识别、机器学习等领域,旨在赋予机器类似人类的视觉能力。Python 3.6.4提供了许多新的特性和改进,让Python语言本身更加完善和强大。

weixin_30415591的博客 1017

tensorflow利用for循环进行知识蒸馏训练遇到的内存爆炸问题(OOM)

最近在用tensorflow学习模型的知识蒸馏,自己基于cifar10数据集训练得到的teacher模型,在对3种不同参数量的student模型使用相同的alpha和temperature参数进行蒸馏之后,得到的实验结果均与论文结果相反(论文:Distilling the Knowledge in a Neural Network)与上面代码内容基本相同,只是将Thread换成Process,然后把需要的参数都传入Process的args中即可。,之后发现果然有效,很多无用的信息都不再输出。

张伟的专栏 1550

Python-使用Tensorflow实现的知识蒸馏方法

使用Tensorflow实现的知识蒸馏方法

Knowledge Distillation examples

根据 BERT and Knowledge Distillation关于知识蒸馏的介绍,我们已经知道了其的定义和基本流程,下面通过例子来具体看一下如何用代码来实现。 首先导入所需的包 from __future__ import absolute_import,unicode_literals,division,print_function import os import tensorflow...

Forlogenの解忧杂货铺 797

张量流蒸馏示例:在TensorFlow中实施知识蒸馏

张量流蒸馏示例:在TensorFlow中实施知识蒸馏

保姆级教程:用K210麦克风阵列模块实现声源定位(附完整Python代码与坐标计算)

本教程详细介绍了如何使用K210麦克风阵列模块实现高精度声源定位,包括硬件连接、算法解析与实战代码。通过Python代码示例,展示了从原始数据获取到三维空间坐标计算的完整流程,适用于智能家居、机器人导航等场景。

weixin_42558093的博客 228

知识蒸馏 示例代码实现及下载

深度学习蒸馏

kevinleehr的博客 1447

文档多模态识别工具对比:MinerU、PaddleOCR、Marker

本文对比了三款文档多模态识别工具:MinerU、PaddleOCR和Marker。MinerU专注于中文文档的端到端解析,支持复杂元素提取和结构化输出,适合中文论文和教材解析。PaddleOCR是通用OCR工具包,支持多语言和全流程任务,适用于发票、车牌等图像OCR。Marker则注重多语言支持和轻量化部署,适合英文论文和技术文档的快速转换。三者在核心技术、中文优化、表格处理、输出格式、部署复杂度和适用语言等方面各有优劣。选型建议根据具体需求:MinerU适合高精度中文解析,PaddleOCR适合定制化OC

朴拙科技的博客 4745

知识蒸馏综述

把左边的马图像喂给分类模型,会有很多类别,每个类别识别出一个概率,训练网络时,我们只会告诉网络,这张图片是马,其余是驴是汽车的概率都是0,这个就是hard targets,用hard targets训练网络,但这就相当于告诉网络,这就是一匹马,不是驴不是车,而且不是驴不是车的概率是相等的,这是不科学的。学生网络是个神经网络,四个类别有一个线性分类层,猫的类别给出的分数logit为-5,狗的类别给出的分数logit为2,驴的类别给出的分数logit为7,马的类别给出的分数logit为9。

weixin_61318501的博客 426

基于simulink的变压器保护仿真设计【MATLAB源码+Word文档】

电力系统变压器保护MATLAB/simulink仿真设计。纵联差动保护-过电流保护-距离保护

weixin_761237174的博客 1271

eCognition易康操作教程(二):多尺度分割基于多光谱数据构建规则集,结合DSM高程数据提取建筑物、树木和绿地

一、数据 数据来源:教程中的实验数据,共包含RGB三个波段,还有数字地表模型(以下简称DSM)文件。 图一 RGB影像 数据特征:数据范围较小,要素种类少,仅包含较多的建筑和大片的绿地。由于建筑的房顶使用的材料和材料颜色不同,所以建筑的光谱特征没有规律,是不连续的特征。而绿地的光谱特征则十分容易分辨。 但是建筑通常具有规则的形状,而且建筑相比于周围其他要素...

蒹葭苍苍 8305

TensorFlow2 Part2:基础知识回顾

TensorFlow2 Part2:模型建立与训练

头 号 玩 家 的博客 509

基于学术研究风云卫星数据下载教程

目录 一、相关网址 1.登录注册网址:国家卫星气象中心 2.风云数据服务客户端下载网址 3.风云卫星遥感数据服务网址 二、下载数据步骤 1.首先在注册登录网址,注册一个账户 2.待账户审核后,登录账户即可搜索并下载数据 三、相关工具下载 1.登录风云卫星遥感数据服务网址 2.NCSA HDFView软件 3.风云卫星数据(L1)处理软件包(FENGYUN Toolkit v1.1) 4.静止卫星云图分区图显示软件(SECView) 5.风云二号静止气象卫星数据及产品处理..

珞瑜的博客 1万+

Tensorflow简单搭建线性模型

纯码练习,具体看注释 适用人群:熟悉python,tensorflow初学者或了解TensorFlow再次知识回顾。 ​import tensorflow as tf import numpy as np #使用Numpy 随机生成样本数据,总共100个样本点 x_data = np.float32(np.random.rand(2,100)) y_data = np.dot([0.100...

AI算法联盟 612

网规第三版:第4章网络资源设备(完结)

第 4 章 网络资源设备 调整内容: 更新主流网络设备(交换机、路由器、防火墙)的技术参数与选型标准 增加国产化网络设备与信创产品的相关内容 精简已淘汰的设备类型与技术指标

鹿鸣天涯 268

OpenClaw + Antigravity + 飞书完整部署教程

在 Linux 服务器上部署 OpenClaw,使用 Antigravity 本地代理 AI 模型,并接入飞书实现 24 小时在线 AI 助手。

Maynor的博客 1788

学习TensorFlow数学基础知识准备阶段1

最近准备入手TensorFlow深度学习,奈何很多数学基础知识全部都已经回交给各位老师了。因此从刚开始的无从下手,到现在还可以推导一些公式。把我在这个过程中回顾整理的内容,自我留档,同时也分享给大家,希望可以对有兴趣学习TensorFlow但又无从下手的朋友有一些提示作用。 这篇博客只是整理了推导 线性回归 和 逻辑回归 所使用到的数学内容。后期整理出其他部分内容的再给大家分享。 以下数学内容都属于基础知识,涵盖了高中和大学学习的部分内容,主要体现在导数(高中数学),高等数学(上册),线性代数,

angeliacmm的博客 1964

肺癌术后随访离散选择实验(DCE)设计与SAS实现

随着肺癌早期诊断和治疗技术的进步,肺癌患者的生存率显著提高,术后随访管理成为提升患者生活质量的关键环节。然而,如何在有限的医疗资源下设计出既符合患者需求又具有成本效益的随访方案,是临床决策面临的重要挑战。 离散选择实验(Discrete Choice Experiment, DCE)是一种定量研究方法,通过模拟真实世界的选择情境,测量患者对不同随访方案属性的偏好程度。本研究旨在通过DCE方法,系统评估肺癌术后患者对随访服务的偏好,为制定以患者为中心的随访策略提供循证依据。

huanghm88的专栏 101

机器学习入门——线性代数简单回顾

本节课程回顾了一些简单但常用的线性代数知识,并对每个知识点列举具体例子,力求深入浅出。同时,最后还进行了编程实现,更利于实战应用。

louishao的博客 7485

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

人工智能发展历程了解和Tensorflow基础开发环境构建

本文章将深入探讨人工智能发展历程,逐步延申到学习路径,再到动手搭建深度学习环境,逐渐进入人工智能的开发者世界.

猫步轻移,以学求知。余于此方寸之地,如猫观鼠,细察技艺所得,思维所悟。灵思如猫之警觉,日积月累,终成智海; 1505

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

震惊!某陈姓青年偶获Stanford cs20,一天入门TensorFlow!

最近又重新回顾了一下tensorflow的基础知识,检索各大搜索引擎,终于决定选择了斯坦福的cs20作为学习的目标。因为最近毕设加上过年的杂事,并没有很多时间,因此只上了该课的三节课,将基本的知识过了一遍,同时记录在我的github上,后续有时间的话会慢慢在github上更新相关的理解。因为觉得这门课比网上推荐的其他资源更加底层,感觉更容易理解,因此推荐个大家。关于专门课的相关资料,我也放在git...

loserChen的博客 234

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

tensorflow入门笔记

最近一直在实现一个seq2seq模型,正好把相关tensorflow和RNN基础模型的知识整理回顾一下 (一)tensorflow入门笔记 (二)RNN,LSTM和GRU原理 (三)attention机制 (四)seq2seq实例详解 基础背景 tensorflow的核心是计算图,即op。 一个基于tensorflow的代码一般包含两步: 1. 创建计算图(op) 2. 运...

thormas1996的博客 721

《深度学习实战》第1集:深度学习基础回顾与框架选择

本集回顾了深度学习的基础知识,包括神经网络、激活函数、损失函数和优化器,并对比了 TensorFlow 和 PyTorch 的特点。通过 MNIST 手写数字分类的实战项目,我们展示了如何使用这两种框架构建简单的全连接神经网络,并通过表格对比了它们的优劣。最后,我们探讨了大模型的背景及其在深度学习领域的重要性。

yweng18的博客 1434

从零开始深度学习:线性代数的基础知识

在使用TensorFlow创建Network过程中,经常涉及包含多少层,多少Weights和Bias的运算。这些是线性代数的基础知识,在学校学过高等数学的人,可以快速的通过下面的链接拾起这方面的知识。 矩阵 矩阵乘法 逆矩阵 矩阵的秩 更多关于机器学习入门、数学基础,参考 优快云 学院课程: 从零开始深度学习 https://edu.youkuaiyun.com/bundled/detail/59?utm_source=tg16 ...

Chatopera 3423

Tensorflow2.0(一):Tensor记录

前言:Tensorflow2.0是2019年10月份正式发布的,本人在2019年寒假开始接触Tensorflow2.0,直至近日,对它的学习断断续续,不能很好地坚持下去,为此在学生生涯的最后一个月,将对他进行重新回顾,尤其是其中的基础知识,需要仔细揣摩与理解,最后背诵! 张量(Tensor) Tensor表示的是多维数组,是多维列表,用阶表示张量的维数。 维数 阶 名字 例子 0-D 0 标量 scalar s=1 2 3 1-D 1 向量 vector v=[1,2,3] 2-

geidongdong的博客 1879
上一篇: colab 读入 google drive 的文件
下一篇: Leetcode -calculator 总结
code_nie
博客等级 码龄9年 6粉丝 8原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值