自定义博客皮肤VIP专享

*博客头图：

点击选择上传的图片

格式为PNG、JPG，宽度*高度大于1920*100像素，不超过2MB，主视觉建议放在右侧，请参照线上博客头图

请上传大于1920*100像素的图片！

博客底图：

点击选择上传的图片

图片格式为PNG、JPG，不超过1MB，可上下左右平铺至整个背景

栏目图：

点击选择上传的图片

图片格式为PNG、JPG，图片宽度*高度为300*38像素，不超过0.5MB

主标题颜色：

RGB颜色，例如：#AFAFAF

Hover：

RGB颜色，例如：#AFAFAF

副标题颜色：

RGB颜色，例如：#AFAFAF

预览取消提交

自定义博客皮肤

-+

上一步保存

xun__Meng的博客

原创 TensorFlow VGG16网络实现Cifar-10图像分类

这次继续在colab中实现TensorFlow学习的第二个任务：对cifar-10数据集进行图像分类任务的学习。本文采用了VGG-16网路结构，去掉了一层max pooling层，最终测试集上可以达到0.86左右的结果。 cifar-10数据集介绍 CIFAR-10数据集包含10个类别的RGB彩色图片。图片尺寸为32×32，这十个类别包括：飞机、汽车、鸟、猫、鹿、狗、蛙、马、船、卡车。一共有50...

2019-04-10 23:17:56 10613 5

原创 tensorflow入门：实现MNIST手写数字识别

最近开始入门学习TensorFlow，选择了机器学习最经典的mnIST，实现手写数字识别作为入门项目。采用了softmax回归和CNN两种方式。项目在google colab上完成。加载MNIST数据集 TensorFlow提供了一份python源代码用于自动下载和安装这个数据集。使用tensorflow.examples.tutorials.mnist 里自带的input_data.py。 i...

2019-04-06 21:24:56 2013

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

博客等级

码龄9年

2
原创

11
点赞

95
收藏

5
粉丝

关注

私信

热门文章

分类专栏

机器学习 2篇

最新评论

TensorFlow VGG16网络实现Cifar-10图像分类
Lingering_Fear: 你用的tensorflow什么版本
TensorFlow VGG16网络实现Cifar-10图像分类
你才是韭菜: [code=python] import tensorflow as tf from tensorflow import keras from tensorflow.keras import layers,datasets,Sequential,models import numpy as np import os # Tensorflow设置CUDA_VISIBLE_DEVICES来控制GPU的使用 os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID" os.environ['CUDA_VISIBLE_DEVICES'] = '/gpu:0' # 超参数 # 使用BN 使超参数零均值归一化 def normalize(x_train,x_test): x_train = x_train/255. x_test = x_test/255. # 标准化公式在笔记本上 mean = np.mean(x_train,axis=(0,1,2,3)) std = np.std(x_train,axis=(0,1,2,3)) print('mean:',mean,'std',std) x_train = (x_train - mean) /(std +1e-7) x_test = (x_test - mean) / (std + 1e-7) return x_train,x_test # 读取数据 (x_train,y_train),(x_test,y_test)=datasets.cifar10.load_data() print((x_train.shape,y_train.shape),(x_test.shape,y_test.shape)) # 归一化数据、 def preprocess(x,y): x = tf.cast(x,tf.float32) y = tf.cast(y ,tf.int32) # y 的形状 [5000,1] 所以要进行one_hot时要取第一列 y = tf.squeeze(y,axis=1) y = tf.one_hot(y,depth [/code]
TensorFlow VGG16网络实现Cifar-10图像分类
你才是韭菜: 你好博主。我用GPU版的tensorflow2.0......用VGG16训练cifar10数据集，速度超级慢。显卡GTX1650，，用的笔记本。。训练模型时，GPU的使用率很低，请问我该怎么解决。。下面是代码。[code=python]import tensorflow as tf from tensorflow import keras from tensorflow.keras import layers,datasets,Sequential,models import numpy as np import os # Tensorflow设置CUDA_VISIBLE_DEVICES来控制GPU的使用 os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID" os.environ['CUDA_VISIBLE_DEVICES'] = '/gpu:0' # 超参数 # 使用BN 使超参数零均值归一化 def normalize(x_train,x_test): x_train = x_train/255. x_test = x_test/255. # 标准化公式在笔记本上 mean = np.mean(x_train,axis=(0,1,2,3)) std = np.std(x_train,axis=(0,1,2,3)) print('mean:',mean,'std',std) x_train = (x_train - mean) /(std +1e-7) x_test = (x_test - mean) / (std + 1e-7) return x_train,x_test # 读取数据 (x_train,y_train),(x_test,y_test)=datasets.cifar10.load_data() print((x_train.shape,y_train.shape),(x_test.shape,y_test.shape)) # 归一化数据、 def preprocess(x,y): x = tf.cast(x,tf.float32) y = tf.cast(y , [/code]
TensorFlow VGG16网络实现Cifar-10图像分类
Github_Yue: 博主，为什么我训练得到的loss曲线很平滑
TensorFlow VGG16网络实现Cifar-10图像分类
J_Baymax: Up主，你在用Momentum优化器的时候没有出现loss=nan嘛？？

提示

确定要删除当前文章？

取消删除