问题概述 在初学TensorFlow2构建图和张量时发现网上的很多代码包括教程文档等都无法顺利运行，后来发现是因为网上的资源很多都是基于1.0版本的，而2.0版本的写法都变了，这里就张量与图作出一些总结。 张量简介 如果说程序=数据结构+算法，那么TensorFlow程序=张量数据结构+计算图算法语
使用 gtihub 的人都知道，仓库中的文件名是不能直接修改的。要修改的话九需要借助 git 工具。下面我就实际演示一下git的操作过程：将仓库 DeepLearning-TensorFlow2 中的文件夹 SSD300 改名为 ssd。 一、git clone 仓库 先登录github，进入DeepLearning-TensorFlow2 仓库所在位
基于tensorflow2.x版本python代码实现深度学习回归预测（以lstm为例） 代码实现（能直接跑通本文中的代码） import os import tensorflow as tf import numpy as np from tensorflow import keras from general import * #import tensorflow as tf #from tensorflow import ker
利用tensorflow2自带keras搭建BiLSTM+CRF的序列标注模型，完成中文的命名实体识别任务。这里使用数据集是提前处理过的，已经转成命名实体识别需要的“BIO”标注格式。 详细代码和数据：https://github.com/huanghao128/zh-nlp-demo 模型结构 BiLSTM+CRF模型就是在双向LSTM模型的输出位
梯度和自动微分 官网 自动微分和梯度带 | TensorFlow Core 1. Gradient tapes tf.GradientTape API可以进行自动微分，根据某个函数的输入变量来计算它的导数。它会将上下文的变量操作都记录在tape上，然后用反向微分法来计算这个函数的导数。 \(y=x^2\)的标量例子 x = tf.Variable(3
tensorflow2优化sess.run() 代码样例 众所周知，TensorFlow运行瓶颈之一是调用sess.run() 目前问题：循环内部每次都要开启一次Session，效率极低 while True: with tf.Session(graph=camera.graph) as sess: res = sess.run(sess.graph.get_tensor_by_name('import/final_
本文仅供学习交流使用，如侵立删！联系方式及demo下载见文末 tensorflow2.2.0下载 官方下载地址：https://pypi.org/project/tensorflow/#files 选择对应版本下载即可 tensorflow2.2.0安装 安装命令： pip install tensorflow-2.2.0-cp37-cp37m-win_amd64.whl 错误：由于操作
Tensorflow2 图像预处理部分详解 本文基于Tensorflow2官方文档（https://tensorflow.google.cn/api_docs/python/tf/keras/preprocessing/image ）编写并配合相应的测试代码。 tensorflow2提供了一系列实时的图像增强方法。 TF提供了4个类和14个方法。四个类主要是批量的获取图像数
基于Tensorflow2的YOLOV4 网络结构及代码解析（4）——Loss和input 本部分介绍yolov4源码中Train中内容，包括Input，Loss和训练方式等。 在训练的过程中用到了一些tricks，包括mosaic数据增强，Cosine_scheduler 余弦退火学习率，CIOU以及label_smoothing 表情平滑等。在这篇博客中不做详解，将
一、TensorFlow介绍 1、简介 TensorFlow是一个基于数据流编程（dataflow programming）的符号数学系统，被广泛应用于各类机器学习（machine learning）算法的编程实现，其前身是谷歌的神经网络算法库DistBelief 。Tensorflow拥有多层级结构，可部署于各类服务器、PC终端和网页并支持GPU和
12号主机tensorflow2环境 pytorch yolov5 (E:\Anaconda3\install1) L:\> (E:\Anaconda3\install1) L:\> (E:\Anaconda3\install1) L:\>conda create -n wind_2021 python=3.8 Fetching package metadata ................... Solving package specifications:
基于tensorflow2.0的yolov4训练自己的数据集（一） 在windows和linux分别训练了基于tensorflow2的yolov4模型，将方法记录下来，方便其他同学参考借鉴。内容较多，分批写出来： 目录 一、制作数据集 1、下载LabelImage 2、安装LabelImage 4、制作数据集 5、制作VOC2007数据集 6、
1. pydot` failed to call GraphViz. 首先去下载这个 。https://blog.csdn.net/shangxiaqiusuo1/article/details/85283432（下载包这个博客里面有飞机票） 2。参照上面那个博客的顺序去把GraphViz，pydot，pydot-ng下载完。 3. 系统变量的添加，参照这个博客https://blog.csdn.net/hjxi
import matplotlib.pyplot as plt import numpy as np import pandas as pd import tensorflow as tf import tensorflow.keras as keras from sklearn.preprocessing import StandardScaler fashsion_minist = tf.keras.datasets.fashion_mnist (x_train_all, y_train_all)
前言：上周配的新电脑，系统是ubuntu20.04，显卡2080ti，默认python3.8，conda装好了。周五在网上找了几个方法装cuda一直没装好（nvcc -V可以看到安装的cuda版本号，但是tensorflow-GPU无法调用gpu加速，cuda自带的例子也运行失败，遂重装）。 今日尝试安装cuda （1）：失败 直接在环境下执行： conda inst
tensorflow2 加载数据方法总结 1.tfrecord1.1 tfrecord 打包1.2 tfrecord 读取 2.tf.data.Dataset3.tf.keras.utils.Sequence4.tf.keras.preprocessing.image.ImageDataGenerator 1.tfrecord tfrecord 是将训练数据和label数据打包成二进制文件，然后在训练的时候可以快速
Tensorflow2.x keras实现吴恩达第四课第一周作业 目录 Tensorflow2.x keras实现吴恩达第四课第一周作业一、前期准备1.1 导入包1.2 加载并预处理数据 二、搭建模型三、预测四、总结 本文参考和宽大佬的文章，但他用的是Tensorflow1的版本，对于现在来说感觉有点过时，网上我也
tf.data.Dataset(variant_tensor) tf.data.Dataset.from_tensor_slice a = (1,2,3,4,5,6) aa = tf.constant(a, shape=(2,3)) dataset = tf.data.Dataset.from_tensor_slices(aa) for element in dataset: print('element', element) 输出： element tf.Tensor([
深度学习与Tensorflow2实战 深度学习框架-PyTorch实战课程旨在帮助同学们快速掌握PyTorch框架核心模块使用方法与项目应用实例，让同学们熟练使用PyTorch框架进行项目开发。 课程内容全部以实战为导向，基于当下计算机视觉与自然语言处理中经典项目进行实例讲解，通过Debug模式详解项目中
1.池化层 池化的主要作用使得向量进行压缩，有max，average，min等方式， 主要参数pool_size和strides，第一个参数为池的大小，即从多少个参数中进行操作(max，average，min) 以shape(1,4,100)举例，如果pool_size=10，则没10个参数中进行一次操作，输出为shape(1,4,100) maxpool1d可以
本程序使用minist图像集合作为数据源,使用tensorflow内部的数据加载方式(如果没有数据集,会自动从网上下载).神经网络内层有三层,依靠纯手工搭建网络模式,比较贴近数学模型 1 #encoding: utf-8 2 import os 3 os.environ["TF_CPP_MIN_LOG_LEVEL"] = "2" # 关闭低级的调试信
Tensorflow2学习（1） Tensorflow2学习（1）1 TensorFlow2学习1.1 张量（Tensor）1.1.1张量是多维数组（列表），用阶表示张量的维数：1.1.2创建一个Tensor1.2 常用函数1.3 简单实践（鸢尾花数据读取与神经网络分类）1.3.1 鸢尾花数据读取1.3.2 神经网络分类 1 TensorFlow2学习 1.1 张量（Tensor） 1.1.1张量
在图像深度学习任务中，对于小数据集，可以通过Image Data Augmentation图像增强技术来扩充数据。比如Keras的ImageDataGenerator。 ImageDataGenerator的使用： tf.keras.preprocessing.image.ImageDataGenerator( featurewise_center=False, # 使输入数据集去中心化（均值为0）, 按fea
下面都是我自己的一些简单的总结，如果有错误的地方，还请大家指出来。 一、BinaryCrossentropy类和binary_crossentropy函数 BinaryCrossentropy类的使用： tf.keras.losses.BinaryCrossentropy( from_logits=False, label_smoothing=0, reduction=losses_utils.Reductio
