人生虚空

目录原理篇：一、YOLO v1回顾二、YOLO v2介绍代码篇三、YOLO v2的tensorflow2实现原理篇：一、YOLO v1回顾下图是YOLO v1的整体网络框架图：●主要的检测思路： 1.首先使用CNN对输入图片提取出尺寸为S*S的特征图，特征图上每个像素点映射回原图就表示原图的1个区域，所以该特征图可以把原图分成S*S个网格区域。...

双向RNN(LSTM)的实现参考：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/bidirectional_rnn.py需要注意的是，里面的static_bidirectional_rnn()函数是来自tf.contrib.rnn的，它的输入必须是list

capacity是队列的长度min_after_dequeue是出队后，队列至少剩下min_after_dequeue个数据假设现在有个test.tfrecord文件，里面按从小到大顺序存放整数0~1001. tf.train.batch是按顺序读取数据，队列中的数据始终是一个有序的队列，比如队列的capacity=20，开始队列内容为0,1，..,19=>读取10条记录后，...

对于N个类别，我们的数据中的标签一般是0,1,2,3,4,..n-1这样的数字而官方的mnist中的标签是向量类型，比如有5类，那么五个标签分别是：[ 1 , 0 , 0 , 0 , 0][ 0 , 1 , 0 , 0 , 0][ 0 , 0 , 1 , 0 , 0][ 0 , 0 , 0 , 1 , 0][ 0 , 0 , 0 , 0 , 1]mnist中，最后经过10个神经元的...

前言：tensorflow中有operation和tensor，前者表示 操作 ，后者表示 容器 ，每个operation都是有一个tensor来存放值的，比如y=f(x), operation是f(x), tensor存放的就是y，如果要获取y，就必须输入xtensor的名字一般是 :可以通过 print(out.name) 来看看假如之前的训练定义了如下图（模型），并保

之前已经写了一篇《Tensorflow保存模型，恢复模型，使用训练好的模型进行预测和提取中间输出（特征）》，里面主要讲恢复模型然后使用该模型假如要保存或者恢复指定tensor，并且把保存的graph恢复(插入)到当前的graph中呢？总的来说，目前我会的是两种方法，命名都是很关键！两种方式保存模型，1.保存所有tensor，即整张图的所有变量，2.只保存指定scope的变量