HJZ11的博客

文章目录1.tf官网说明2.cuda安装1.tf官网说明https://www.tensorflow.org/install/gpu2.cuda安装https://developer.nvidia.com/cuda-toolkit-archive根据显卡及驱动暂选择10.1 update2

文章目录1.赛事背景1.主办方2.赛事介绍2.baseline2.1 文件夹结构2.2 demo1. 01_train_test_split.py2. 02_tf2_mobilev2_classes.py3. 03_predict.py3.问题及改进1.赛事背景1.主办方赛事链接2.赛事介绍 1. 【赛题描述】行为规范，即指某些特定的场景会对人物的行为做出特定的限制，比如加油站禁止吸烟，驾驶员禁止打电话，博物馆禁止拍照等。随着计算机人工智能的发展，这些禁止行为或者不文明行为都可通过基于视

文章目录1.导入包2.加载数据3.数据预处理4.数据增强5.预处理层的两种方法6.把与处理层用在数据集上7.训练模型8.自定义数据增强9.Using tf.imagetf_flowers数据集1.导入包import matplotlib.pyplot as pltimport numpy as npimport tensorflow as tfimport tensorflow_datasets as tfdsfrom tensorflow.keras import layersfrom

文章目录1.导入包2.加载数据3.可视化数据集样本4.数据集划分5.优化数据集6.数据增强7.调整像素值8.构建base_model9.冻结10.添加分类头部部分11.添加预测部分12.链接各部分13.编译模型14.训练模型15.学习曲线16.第二种方法-fine-tuning17 Evaluation and prediction18 总结Transfer learning and fine-tuning我们将学习如何通过使用来自预训练网络的迁移学习来对猫和狗的图像进行分类。预先训练的模型是一个保

Transfer learning with TensorFlow HubTensorFlow Hub是共享预训练模型组件的一种方式。 有关预训练模型的可搜索列表，请参见TensorFlow模块中心。https://hub.tensorflow.google.cn/本教程演示：如何将TensorFlow Hub与tf.keras结合使用。 如何使用TensorFlow Hub进行图像分类,如何进行简单的迁移学习。import matplotlib.pylab as pltimport t

文章目录1.基础版1.基础版# 1.导入 TensorFlowimport tensorflow as tffrom tensorflow.keras import datasets,layers,modelsimport matplotlib.pyplot as plt# 2.下载并准备 CIFAR10 数据集# CIFAR10 数据集包含 10 类，共 60000 张彩色图片，每类图片有 6000 张。# 此数据集中 50000 个样例被作为训练集，剩余 10000 个样例作为测试集。

文章目录1.Keras 的分布式训练1.Keras 的分布式训练概述tf.distribute.Strategy API 提供了一个抽象的 API ，用于跨多个处理单元（processing units）分布式训练。它的目的是允许用户使用现有模型和训练代码，只需要很少的修改，就可以启用分布式训练。#定义分配策略#创建一个 MirroredStrategy 对象。这将处理分配策略，并提供一个上下文管理器（tf.distribute.MirroredStrategy.scope）来构建你的模型。

文章目录1.环境的搭建2.导入和解析训练数据集3 选择模型类型4 训练模型5 创建优化器6.评估模型的效果7 建立测试数据集8 使用经过训练的模型进行预测这个教程将利用机器学习的手段来对鸢尾花按照物种进行分类。本教程将利用 TensorFlow 来进行以下操作： 1. 构建一个模型， 2. 用样例数据集对模型进行训练，以及 3. 利用该模型对未知数据进行预测。TensorFlow 编程本指南采用了以下高级 TensorFlow 概念: 1. 使用 TensorFlow 默认的 eage

文章目录1.预创建的Estimator2.线性模型3.提升树4.提升树模型理解5.从Keras model到Estimator model1.预创建的EstimatorEstimator 是 Tensorflow 完整模型的高级表示，它被设计用于轻松扩展和异步训练。在 Tensorflow 2.0 中，Keras API 可以完成许多相同的任务，而且被认为是一个更易学习的API。Tensorflow提供了一组tf.estimator(例如，LinearRegressor)来实现常见的机器学习算法。

文章目录1.CSV2.Numpy3.pandas.DataFrame4.图像5.文本6.Unicode7.TF.Text8.TFRecord和tf.Example1.CSVTRAIN_DATA_URL = "https://storage.googleapis.com/tf-datasets/titanic/train.csv"TEST_DATA_URL = "https://storage.googleapis.com/tf-datasets/titanic/eval.csv"train_fil

文章目录1.教程链接1.1官网1.2 安装2.基本图像分类2.1 [官方英文教程](https://tensorflow.google.cn/tutorials/keras/classification)3.基本文本分类1.教程链接1.1官网https://tensorflow.google.cn/overview1.2 安装豆瓣源飞起！！！（秒下！）其他源暂时有点慢（一下午没下完。。）python -m pip install tensorflow -i https://pypi.douba

1.参考文章Dataset之Fashion-MNIST：Fashion-MNIST数据集简介、下载、使用方法之详细攻略fashion-mnist简介和使用及下载TensorFlow 学习（六）时尚（衣服、鞋、包等） Fashion MNIST识别fashion-mnist数据集下载至本地并使用tensorflow官网:Basic classification: Classify images of clothing2.demo...

""""https://www.kaggle.com/villoro/cnn-with-tensorflow-dlfn-udacity/comments"""#1.Libraries and settingsimport numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport matplotlib.cm as cm# %matplotlib inlineimport tensorflow as tfimpor

1.np.random.rand()x_data = np.random.rand(100).astype(np.float32)#通过本函数可以返回一个或一组服从“0~1”均匀分布的随机样本值。2.tf.random_uniform(）w = tf.Variable(initial_value=tf.random_uniform([1],-1.0,1.0))#生成一维向量，大小在-1到1之间3.tf.zeros（）b = tf.Variable(initial_value=tf.zeros

import tensorflow as tfimport numpy as np"""演示 numpy和 tensorflow的区别"""np.random.seed(42)x_data = np.random.rand(100).astype(np.float32)y_data = x_data * 0.1 + 0.3print(x_data.shape, y_data...

import tensorflow as tfimport numpy as np"""本节内容： 1、Graph图的创建。 2、使用tf.constant 和 tf.add()的使用 3、使用会话，tf.Session() 以及 sess.run()的参数"""def create_graph(): print('当前模型图为:{}'.form...

import tensorflow as tfimport numpy as npimport matplotlib.pyplot as plt"""模拟一元线性回归数据 ，请大家用numpy自己生成。"""if __name__ == '__main__': with tf.Graph().as_default(): # 一、构建模型图 ...

import tensorflow as tfimport numpy as np"""介绍 tf.Session() 中参数config协议。"""def show_session_config(): # 1、构建2个常量的矩阵 a = tf.constant(value=[1,2,3,4,5,6,7,3,2,4,3,4], ...

import tensorflow as tfimport numpy as np"""以线性回归为例y = x*w +bx = [[1,2,3,], [2,3,4], [3,4,5], [34,23,2]]变量：w = [[-1.5], [2.9], [3.0]]b= [3]"""def f1(): """ ...

import tensorflow as tfprint(tf.__version__)"""使用tf.assign 实现一个累加器，且每一步均输出累加器的结果。"""def sum1(): with tf.Graph().as_default(): # 一、模型图的构建 # 1、定义一个占位符，表示输入的数字。 input_...

import tensorflow as tf"""学习tf.device()添加运行设备号注意： 如果不使用tf.device()来给定具体的运行设备，那么tf会根据你的tf版本来选择默认的设备进行运算。 1、如果时tf cpu版本，那么运行再cpu上。 2、如果是tensorflow-gpu版本，那么运算操作一定会在第一块gpu上运行，在所有gpu上面分配内存。 如果...

import tensorflow as tf"""本节目的： 1、变量命名域 和 命名域 2、tf.get_variable()使用"""def f1(): """ 基于tf.Variable()构建一个新的变量 :return: """ w = tf.Variable( initial_value=tf.random...

import tensorflow as tf"""tf.summary.scalar(name, tensor, collections=None, family=None): 输出一个 `Summary` 对象（包含的是单个标量值） Args: name: 生成的节点的名字. tensor: 单个实数值tf.summary.image(name, tenso...

import tensorflow as tfimport os"""模型持久化： 含义：将当前训练好的模型图 和 权重保存到本地磁盘中，方便后续的使用。 1、服务器训练好了一个模型，迁移到 移动端使用； 2、深度学习训练都很耗时，耗钱。 可以迁移学习。"""def train(): with tf.Graph().as_default(): ...

import tensorflow as tfimport osimport numpy as np"""实现模型的断点继续训练。"""tf.set_random_seed(42)np.random.seed(42)def reg(): with tf.Graph().as_default(): # 一、构建模型图 with tf.va...

import tensorflow as tfimport osimport numpy as np"""实现模型的断点继续训练。"""tf.set_random_seed(42)np.random.seed(42)def reg(): with tf.Graph().as_default(): # 一、构建模型图 with tf.va...

import tensorflow as tfimport numpy as npdef softmax_func(): """ 演示tf.nn.softmax激活函数 :return: """ with tf.Graph().as_default(): input_logits = tf.placeholder(tf.float3...

import tensorflow as tfimport pprintimport numpy as npfrom tensorflow.examples.tutorials.mnist import input_dataimport os"""批量和 SGD是绝配。 1、你需要将数据集划分成 批量数据；比如样本是1000个 你的批量大小128， 有7个128的b...

import tensorflow as tfimport osimport numpy as npx = tf.placeholder(tf.float32, [None, 1], name='x')y = tf.placeholder(tf.float32, [None, 1], name='y')w = tf.Variable(initial_value=tf.constan...

# -- encoding:utf-8 --import numpy as npimport tensorflow as tf# v1 = tf.constant(np.random.rand(10).astype(np.float32), name='abc')# y = v1 * 0.1 + 0.3# /job:ps 表示存储变量的节点。with tf.device("/j...

# -- encoding:utf-8 --import tensorflow as tf# 0. 用于命令行传参数（标准接口）"""第一个：参数名字；第二个：默认值；第三个：参数描述DEFINE_floatDEFINE_bolean"""tf.app.flags.DEFINE_string('job_name', default_value='work', ...

import numpy as npfrom keras.utils import np_utilsfrom keras.models import Sequentialfrom keras.layers.core import Dense, Activation, Flatten# 设置随机数np.random.seed(42)# 演示的数据X = np.array([[0...

import tensorflow as tfimport pandas as pdfrom sklearn.model_selection import train_test_splitfrom sklearn.preprocessing import StandardScalerimport osdef read_data(): iris = pd.read_csv(fi...