Tensorflow入门

计算机视觉和图像处理

1. Tensorflow入门
2. 深度神经网络
3. 图像分类
4. 目标检测
5. 图像分割
6. OpenCV
7. Pytorch
8. NLP自然语言处理

一、深度学习框架—TensorFlow

1.1 TensorFlow介绍

TensorFlow 是一个非常强大且流行的开源机器学习框架，可以让开发者轻松构建和部署各种类型的机器学习模型，包括但不限于深度学习模型。

TensorFlow 的主要组件

• Tensor：TensorFlow 中的基本数据结构，是一个多维数组，可以用来表示数据。
• Graph：TensorFlow 1.x 中使用的一种数据流图，用于描述计算过程。
• Session：TensorFlow 1.x 中用于执行 Graph 中的计算。
• Eager Execution：TensorFlow 2.x 引入的一种即时执行模式，允许开发者以更直观的方式编写和调试代码。
• Keras：一个高级神经网络 API，自 TensorFlow 2.0 开始集成到 TensorFlow 中，提供了易于使用的接口来构建和训练模型。

1.2 安装TensorFlow

1. 创建虚拟环境
   在Anaconda终端中创建虚拟环境tf_env

conda create --name tf_env

2. 激活虚拟环境

conda activate tf_env

3. 安装TensorFlow

pip install tensorflow -i https://pypi.tuna.tsinghua.edu.cn/simple

4. 查看是否安装成功

import tensorflow as tf
rf._version_

1.3 张量及其操作

1.3.1 张量Tensor

张量是⼀个多维数组。 与NumPy ndarray对象类似

import tensorflow as tf
import numpy as np

1. 创建张量

# 创建0维张量,即标量(数字)
tf.constant(3)

# 创建一维张量
tf.constant([1.0, 2.0, 3.0])

# 创建二维张量
tf.constant([[1,2],[3,4],[5,6]],dtype=tf.float16)

# 创建三维张量
tf.constant([[[1,2,3,4,5],[6,7,8<