红叶谷 wsp_1138886114的博客

上一篇我写的文章Tensorflow Rust实战上篇. 这一次我们看看使用tensorflow建立了什么，并通过http接口提供服务。随着Actix Web1.0版本发布，我认为用它构建一些东西将是一个很好的时机。本文假设您对Futures及其运作方式有一定的了解。我将尽量用更简单的术语解释，但理解Futures生态系统将非常有效地帮助阅读本文。为此，我建议你从tokio开始。有些人建议在深入Futures之前等待async/await和friends功能发布。我认为你现在应该亲自动手：异步编程总是

文章目录一、开始 tensorflow rust处理命令行参数加载图像数据构建一个tensorflow session跑一个session二、输出处理BBox结构体保存输出打印边界框绘制边界框三、总结转载此文仅为了自己查看方便，也方便需要使用的人。机器学习的一个方向是能够将它用于照片中的对象识别。这包括能够挑选动物，建筑物甚至人脸等特征。本文将引导您使用一些现有模型来使用rust和tensorflow完成人脸检测。我们将使用一个名为 【mtcnn】的预训练模型进行人脸检测。github地址：https

关于Keras 可查看官方文档：https://keras-cn.readthedocs.io/en/latest/转载自 https://blog.youkuaiyun.com/zdy0_2004/article/details/747366561.关于Keras        1）简介       &nbsp

一、定义模型 lenet.pyfrom keras.models import Sequentialfrom keras.layers.convolutional import Conv2Dfrom keras.layers.convolutional import MaxPooling2Dfrom keras.layers.core import Activationfrom kera...

运行环境：Anaconda | python3.7 --pycharm使用Anaconda 集成环境pip install Tensorflow , pip install keraskeras的核心数据结构就是模型。模型是用来组织网络层的方式。有Sequential 和 Model 两种模型。在 ~/keras/keras.json 下修改最后一行backend对应的值即可。{&

from keras import backend as Kfrom keras.models import Sequentialfrom keras.layers.core import Flatten, Dense, Dropoutfrom keras.layers.convolutional import Conv2D, MaxPooling2D, ZeroPadding2Dfrom...

文章目录损失函数（loss）TensorFlow损失函数损失函数（loss）用来表示预测（y）与已知答案（y_）的差距。在训练神经网络时，通过不断改变神经网络中所有参数，使损失函数不断减小，从而训练出更高准确率的神经网络模型，常用的损失函数有均方误差，自定义和交叉熵等。TensorFlow损失函数TensorFlow内置了四个损失函数：Tensor=tf.nn.softmax_cros...

文章目录一，优化器函数tf.train.GradientDescentOptimizer（梯度下降算法）tf.train.MomentumOptimizer（动量梯度下降算法 ）tf.train.AdamOptimizer（Adam优化算法）一，优化器函数TensorFlow中提供了如下优化器函数：tf.train.Optimizertf.train.GradientDescentOpt...

文章目录模型保存 tf.train.Saver()模型恢复 restore()小案例我们在训练模型时，要将 tensorflow 训练好的模型参数保存起来，以便以后进行验证或测试。此时就涉及到将模型持久化，和模型的再次读取。tensorflow中提供了这些类。模型保存 tf.train.Saver()模型保存，先要创建一个Saver对象。在创建这个Saver对象的时候，有一个参数我们经...

文章目录一、概述二、tf.nn.dropout()三、小案例：dropout效果可视化一、概述开篇明义，dropout是指在深度学习网络的训练过程中，对于神经网络单元，按照一定的概率将其暂时从网络中丢弃。注意是暂时，对于随机梯度下降来说，由于是随机丢弃，故而每一个mini-batch都在训练不同的网络。关于dropout详情请查看在机器学习中和深度学习中可能会存在过拟合的问题，表现为在训练集...

正则化：避免过拟合的方法之一。在我们使用模型训练数据时，会遇到欠拟合和过拟合的问题，关于欠拟合和过拟合详情请点击。我们今天主要讲使用正则化来防止过拟合。一、常见正则化方法在线性回归等问题中，我们定义了损失函数:J(θ;X,y)=12∗∑i=1n(y−y′)2J(\theta;X,y )=\frac{1}{2}* \sum_{i=1}^{n}(y-y^{'})^{2}J(θ;...

文章目录1. sigmoid函数2. tanh 双曲正切函数3. relu 函数4. ELU函数5.PReLU函数在TensorFlow的训练中，为了更好的模拟或者学习更多的特征，在线性函数中引入了非线性，又名激活函数。如果你对激活函数不甚了解，你可以点击。这一章我们主要将一些常用的激活函数。详情请点击一些常用的激活函数如下图：1. sigmoid函数由上图第一个可知，导数从 0 开始很...

文章目录分段常数衰减 tf.train.piecewise_constan在TensorFlow训练一个模型时，我们需要通过优化函数来使得我们训练的模型损失值达到最小。常用的优化算法有随机梯度下降、批量梯度下降等（更多详情请点击）。在使用优化算法的时候，我们都需要设置一个学习率（learning rate）。我这里总结了一些博主的方法。学习率 的设置在训练模型的时候也是非常重要的，因为学习率...

各位好，今天主要讲解基于目标检测的图像分类，之前在做图像分类的模型时，分类准确度始终是个问题。特别是在公司做项目时，要对图像内容进行识别，图像样式进200多种，在对其进行识别时，困难十分大，故要对其分类，在针对不同模板类分别识别，提高准确率。由于图像数据是经过扫描+压缩过的图像，图像质量可想而知，所以想到做基于检测的图像分类，前期的数据处理把我累的，还好，想到了这个方法，分类准确率直线上升。今天为...

一、准备搭建SSD框架，下载解压即可下载pascalvoc数据，自己的数据根据voc格式改写（图片的名称，不用拘泥于6位数字，其他命名也可以）数据集下载点击解压后不要混合在一个文件夹下VOCtrainval用来训练，VOCtest用来测试。VOCtrainval 中JPEGImage文件夹中仅是训练和验证的图片，Main文件夹中仅是trainval.txt, train.txt...

文章目录一、准备工作一、准备工作第一步：下载代码与数据集下载SSD框架本地，解压。SSD源码下载: https://github.com/balancap/SSD-Tensorflow下载数据集 http://host.robots.ox.ac.uk/pascal/VOC/voc2007/第二步：在解压出来的主目录下依次创建tfrecords_、train_model文件夹tfre...

一、Tensorflow构建流程1.1 Tensorflow的基本总结1.2 Tensorflow构建流程运行—保存模型—加载模型二、语言模型和词向量1 随着模型不断更新1.1 train文件中输入语句用index表示1.2 模型文件中index向量转化为词向量2 直接使用预先训练好的词向量如word2vec， glove2.1 train文件中2.2 m...

# -*- coding=UTF-8 -*-import sysimport osimport randomimport cv2import mathimport timeimport numpy as npimport tensorflow as tfimport linecacheimport stringimport skimageimport imageioim...

1.导入模块from __future__ import absolute_importfrom __future__ import divisionfrom __future__ import print_functionimport collectionsimport mathimport os #操作系统:操作文件模块imp...

TensorFlow计算图一、 创建Session 以及变量初始化TensorFlow计算图运行在一个session中，计算之前需要先创建这个session，并初始化其中的一些变量（w 和 b）， TensorFlow使用session.run()来运行计算图。 session = tf.Session() # 创建sessi...

单层神经网络（一个神经元） 实现环境： TensorFlow1.3，Python3.6，Jupyter1 定义变量import tensorflow as tf # 导入tensorflowgraph = tf.get_default_graph() # 定义一个图input_value = tf.constant(1.0) ...

① 在梯度下降和最优化部分用传统的神经网络在MNIST数据集上得到了90%左右的准确率。结果其实并不太理想。 ② 接下来，我们将使用卷积神经网络来得到一个准确率更高的模型，接近99%。卷积神经网络使用共享的卷积核对 图像进行卷积操作，以提取图像深层特征。这些深层特征然后组合成特征向量输入全连接的神经网络中，再使用 类似传统神经网络的方法进行分类。 数据集概...

一、TensorFlow简介与安装TensorFlow是谷歌基于DistBelief进行研发的第二代人工智能学习系统，采用数据流图（data flow graphs）， 用于数值计算的开源软件库。节点（Nodes）在图中表示数学操作，图中的线（edges）则表示在节点间相互 张量从流图的一端流动到另一端计算过程。TensorFlow不只局限于神经网络，其数据流式图支持非常自由...

文章目录一、初始化为常量（一维数组，多维数组）`tf.constant_initializer(value)``tf.zeros_initializer()` 和 `tf.ones_initializer()`二、初始化为正太分布`tf.random_normal_initializer() 和 tf.truncated_normal_initializer()`一、初始化为常量（一维数组，多维...

一、迁移学习的应用价值迁移学习的应用 图像识别：图像增强，风格转移，对象检测，皮肤癌检测 文字识别：Zero Shot翻译、情绪分类应用价值 复用现有知识数据，已有的大量工作不至于完全丢弃 不需要在话费巨大代价重新采集和标定庞大数据（也可能无法获取数据） 对于快速出现的新领域，能够快速迁移和应用，体现时效性优势 二、Tensorflow 迁...

Tensorflow 实现 CNNTensorFlow使用计算图模型来构建神经网络。其主要流程是先建立好整个网络的计算图模型，然后再导入数据进行计算。一个TensorFlow计算图包含以下几个部分： ● Placeholder: 占位符，用来读取用户输入与输出； ● Variable: 模型的变量，也称为参数，在计算过程中逐步优化； ● Model: 使用的神经...

TensorFlow 代码入门 编写 tensorflow 可以总结为两步： （1）组装一个graph; （2）使用session去执行graph中的operation。一、 graph 与 session （1）计算图 Tensorflow 是基于计算图的框架，因此理解 graph 与 session 显得尤为重要。不过在讲解 graph 与 s...