tensorflow; 第46页

opencv dnn模块 DNN中Layer的动态创建、Net自定义网络搭建示例

文章目录一、介绍二、Net的定义三、DictValue、Dict、LayerParams四、网络Net搭建和测试一、介绍opencv的dnn模块整体设计与现有的框架如caffe、tensorflow基本类似

aworkholic·2023-10-14 02:00

tensorflow1迁移到tensorflow2

早期的tf1代码在3090上跑不了了，因此复现基于tensorflow1的代码只能1.创建一个还在维护的tf1.x环境2.将tf1.x代码迁移到tf2上。

kushr·2023-10-14 02:34

tensorflow1.x版本代码迁移到2.0

由于3090显卡只支持tf2.0以后的版本，而且随着显卡的更新换代，tf1.x版本也不支持更高级的显卡，所以有必要将1.x版本的代码转成2.0后的版本。Tf2.0版本和tf1.0版本的主要区别主要区别在于tf1.x是静态图，需要先把模型结构先定好，再进行训练Tf2.0版本则是动态图，训练前不用先构建完整的结构，而是按流程一步步构建，因此在训练的时候tf1.x相比于tf2.0占cpu内存大，训练的速

donruo·2023-10-14 02:31

tensorflow1迁移2尝试

最近跟着看了一篇博文《深度学习之卷积神经网络CNN及tensorflow代码实现示例》，学习着里面的代码，但是遇到了问题，那就是发现里面很多是tensorflow1的代码，而我用的是tensorflow2

finhaz·2023-10-14 02:31

【TensorFlow2 之012】TF2.0 中的 TF 迁移学习

#012TensorFlow2.0中的TF迁移学习一、说明在这篇文章中，我们将展示如何在不从头开始构建计算机视觉模型的情况下构建它。

无水先生·2023-10-14 02:58

深度学习平台搭建： Ubuntu16.04 + 显卡驱动384 + cuda8.0 + cudnnv6.0 + anaconda3 + tensorflow-gpu-1.2 + keras

Ubuntu16.04+显卡驱动384+cuda8.0+cudnnv6.0+anaconda3+tensorflowgpu-1.2+keras##############################

hutingting0611·2023-10-14 01:03

Python实现简单的深度学习实践

Python提供了许多优秀的深度学习框架，如TensorFlow、Keras、PyTorch等。本文中

心梓知识·2023-10-14 00:21

卷积神经网络之狗猫数据集的分类实验

猫狗数据集（一）制作数据集（二）卷积神经网络CNN1.网络模型搭建2.图像生成器读取文件中数据3.开始训练4.保存模型5.结果可视化（三）根据基准模型进行调整1.图像增强方法2.模型调整一、环境配置配置tensorflow

lovely@·2023-10-13 22:33

tensorflow：损失函数和优化器

损失函数和优化器关系1.损失函数是在graph中定义的经过operation的tensor。2.损失函数最终要带入到优化器的minimize方法中做参数。minimize方法内部包含了compute_gradients和apply_gradients方法。3.优化器的minimize方法返回的是operation，一般命名为train_step。4.session的run方法的参数，如果是oper

老夫叨叨叨·2023-10-13 22:12

TF01-01:Tensorflow的执行方式

本主题内容：体验Tensorflow的两种执行方式：Tensorflow的Eager（立即）运行方式Tensorflow的Graphs（图）运行方式Tensorflow提供两种数据处理方式EagerTensorFlow

杨强AT南京·2023-10-13 21:23

【TensorFlow2 之011】TF 如何使用数据增强提高模型性能？

为了证明这一点，我们将在TensorFlow中创建一个卷积神经网络，并在Cats-vs-Dog数据集上对其

无水先生·2023-10-13 20:08

竞赛深度学习+opencv+python实现昆虫识别 -图像识别昆虫识别

文章目录0前言1课题背景2具体实现3数据收集和处理3卷积神经网络2.1卷积层2.2池化层2.3激活函数：2.4全连接层2.5使用tensorflow中keras模块实现卷积神经网络4MobileNetV2

iuerfee·2023-10-13 19:59

竞赛深度学习+opencv+python实现车道线检测 - 自动驾驶

文章目录0前言1课题背景2实现效果3卷积神经网络3.1卷积层3.2池化层3.3激活函数：3.4全连接层3.5使用tensorflow中keras模块实现卷积神经网络4YOLOV56数据集处理7模型训练8

iuerfee·2023-10-13 19:59

2021-07-06

本文基本是对Jasen的《MachineLearningforAlgorithmicTrading》第二版的第21章进行翻译、改写和复现，并用于我们的实际情况）1.准备阶段配置介绍在Anaconda下安装TensorFlow

White_River·2023-10-13 16:13

python 实时rtsp识别_Frigate - RTSP相机的实时物体检测

Frigate-RealtimeObjectDetectionforIPCamerasUsesOpenCVandTensorflowtoperformrealtimeobjectdetectionlocallyforIPcameras.DesignedforintegrationwithHomeAssistantorothersviaMQTT.UseofaGoogleCoralUSBAcceler

weixin_39870413·2023-10-13 12:18

竞赛选题深度学习+opencv+python实现昆虫识别 -图像识别昆虫识别

文章目录0前言1课题背景2具体实现3数据收集和处理3卷积神经网络2.1卷积层2.2池化层2.3激活函数：2.4全连接层2.5使用tensorflow中keras模块实现卷积神经网络4MobileNetV2

laafeer·2023-10-13 10:07

竞赛选题深度学习+opencv+python实现车道线检测 - 自动驾驶

文章目录0前言1课题背景2实现效果3卷积神经网络3.1卷积层3.2池化层3.3激活函数：3.4全连接层3.5使用tensorflow中keras模块实现卷积神经网络4YOLOV56数据集处理7模型训练8

laafeer·2023-10-13 10:01

项目实战1: TF2.0+LetNet-5构建Fasion MNSIT分类器

1.2LetNet-5简介二、TF2.0构建LetNet卷积网络实现FasionMNSIT分类2.1数据读取2.2构建LetNet-5网络结构2.3训练2.4验证测试2.5模型保存2.6预测一、前言本博客旨在通过利用tensorflow2.0

xping_zhou·2023-10-13 10:01

20210329 LeNet-5数字识别 TensorFlow2.0 MINIST数据集

LeNet-5数字识别TensorFlow2.0LeNet-5由两个卷积层、两个池化层和两个全连接层组成，每个卷积层使用尺寸为５×５（每个滤波器有１个通道）的滤波器，第一层中有６个滤波器，第二层中有１６

小尘只想脱贫·2023-10-13 10:57

【tensorflow2.0】23.tf2.0实现LeNet

手写字体识别模型LeNet5诞生于1994年，是最早的卷积神经网络之一。LeNet5通过巧妙的设计，利用卷积、参数共享、池化等操作提取特征，避免了大量的计算成本，最后再使用全连接神经网络进行分类识别，这个网络也是最近大量神经网络架构的起点。LeNet5的网络结构示意图如下所示：下边我们通过代码来实现LeNet，给出代码的同时，也会计算参数数量和维度变化。#这里我们通过顺序模型来实现，相当于

一只很菜很菜的tfer·2023-10-13 09:25

【tensorflow2.0】24.tf2.0实现AlexNet

AlexNet是2012年ImageNet竞赛冠军获得者Hinton和他的学生AlexKrizhevsky设计的。也是在那年之后，更多的更深的神经网络被提出，比如优秀的vgg,GoogLeNet。这对于传统的机器学习分类算法而言，已经相当的出色。（以下内容出自百度百科） AlexNet中包含了几个比较新的技术点，也首次在CNN中成功应用了ReLU、Dropout和LRN等Trick。

一只很菜很菜的tfer·2023-10-13 09:25

TensorFlow2.0之LeNet-5实战

TensorFlow2.0之LeNet-5实战fromtensorflow.kerasimportSequential,layers,losses,optimizers,datasetsimporttensorflowastfdefmain

xingS1992·2023-10-13 09:54

【TensorFlow2.0】LeNet进行手写体数字识别

LeNet简介LeNet-5出自论文Gradient-BasedLearningAppliedtoDocumentRecognition，是一种用于手写体字符识别的非常高效的卷积神经网络。卷积神经网络卷积神经网络能够很好的利用图像的结构信息。LeNet-5是一个较简单的卷积神经网络。下图显示了其结构：输入的二维图像，先经过两次卷积层到池化层，再经过全连接层，最后使用softmax分类作为输出层。下

佐倉·2023-10-13 09:20

tensorflow2.0 （1）使用LeNet5网络预测cifar10数据集中分类

参考内容北京大学，软微学院，曹健老师，《人工智能实践：TensorFlow2.0笔记》运行环境Python3.7tensorflow2.6训练数据集：cifar10前言曹老师用的是Class形式构造的网络结构

向往的地中海·2023-10-13 09:41

【TensorFlow2 之014】在 TF 2.0 中实现 LeNet-5

一、说明在这篇文章中，我们将展示如何在TensorFlow中实现像\(LeNet-5\)这样的基础卷积神经网络。LeNet-5架构由YannLeCun于1998年发明，是第一个卷积神经网络。

无水先生·2023-10-13 09:07

ubuntu系统人工智能框架安装指南及常见问题解决方案——numpy、sklearn、TensorFlow、opencv、caffe2、caffe及中间的相关插曲

TableofContents1申明2相关框架的安装2.1准备工作2.2numpy2.3sklearn2.4TensorFlow2.5opencv2.6caffe2（纯cpu版）2.7caffe(重头戏

Zjhao666·2023-10-13 04:10

anaconda 安装第三方库

1、打开anacondaPrompt输入condalist就会显示已经安装好的库2、如果这些库中没有自己需要的库就可以用anacondasearch-tcondatensorflow查找需要的库这样就会显示你要安装的有哪些版本

cthwork·2023-10-13 04:12

python、Java和信息（网络）安全

数据科学和人工智能：Python在数据科学和机器学习方面有着丰富的库，如NumPy、Pandas、Scikit-learn和TensorFlow。

蘑菇Ms程序化·2023-10-13 02:12

python自定义损失函数_在keras中创建自定义损失函数

它有它的实现tensorboard，我尝试使用相同的功能与tensorflowkeras但它一直返回NoneType当我用model.train_on_batch或model.fit其中在模型中的指标使用时

weixin_39715290·2023-10-13 00:44

【tensorflow2.0】13.常用评估函数及自定义评估函数

今天是自定义的最后一部分内容：自定义评估函数。#先介绍一下常用的评估函数tf.keras.metrics.MeanSquaredError（平方差误差，用于回归，可以简写为MSE，函数形式为mse）•tf.keras.metrics.MeanAbsoluteError(绝对值误差，用于回归，可以简写为MAE，函数形式为mae)•tf.keras.metrics.MeanAbsolutePe

一只很菜很菜的tfer·2023-10-13 00:14

独家 | 使用TensorFlow 2创建自定义损失函数

标签：TensorFlow2，损失函数图1：梯度下降算法（来源：公共域，https://commons.wikimedia.org/w/index.php？

数据派THU·2023-10-13 00:13

初步了解TensorFlow如何实现自定义损失函数

我们知道，在预测商品销量时，如果预测多了（预测值比真实销量大），商家损失的是生产商品的成本；而如果预测少了（预测值比真实销量小），损失的则是商品的利润。因为一般商品的成本和商品的利润不会严格相等，比如如果一个商品的成本是1元，但是利润是10元，那么少预测一个就少挣10元；而多预测一个才少挣1元，所以如果神经网络模型最小化的是均方误差损失函数，那么很有可能此模型就无法最大化预期的销售利润。为了最大化

stepondust·2023-10-13 00:13

tensorflow 如何自定义损失函数

1.格式defcustom_loss(y_true,y_pred):#calculateloss,usingy_predreturnlossmodel.compile(loss=custom_loss,optimizer='adam')2.需要遵循的规则：为了衡量损失，损失函数应该使用y_true,y_pred两个参数，这些参数在拟合数据时从模型本身传递。在计算损失时损失函数必须使用y_pred值

HoveXb·2023-10-13 00:42

【使用 TensorFlow 2】03/3 创建自定义损失函数

一、说明TensorFlow2发布已经接近5年时间，不仅继承了Keras快速上手和易于使用的特性，同时还扩展了原有Keras所不支持的分布式训练的特性。

无水先生·2023-10-13 00:40

TensorFlow玩转Flappy Bird

一、前言关于TensorFLow关于FlappyBirdFlappyBird（非官方译名：笨鸟先飞）是一款2013年鸟飞类游戏，由越南河内独立游戏开发者阮哈东（DongNguyen）开发，另一个独立游戏开发商

singularpt·2023-10-13 00:54

tensorflow笔记

#tensorflow笔记一个小例子#用numpy构造数据x_data=np.random.rand(100).astype(np.float32)y_data=x_data*0.1+0.3#tf.Variable

_夏雨潇潇·2023-10-12 23:39

【tensorflow2.0】11.自定义层

#首先说一下自定义层的三种方法importtensorflowastf#自定义全连接层classLinear(tf.keras.layers.Layer):#在__init__中进行所有与输入无关的初始化

一只很菜很菜的tfer·2023-10-12 23:52

使用 TensorFlow.js 在浏览器中自定义目标检测

在本文中，我们将使用TensorFlow开发一种端到端解决方案，用以在Python中训练自定义目标检测模型，然后将其投入生产，并

TensorFlow 社区·2023-10-12 23:52

Tensorflow_keras实战（五）:自定义损失函数和DenseLayer

importmatplotlibasmplimportmatplotlib.pyplotasplt%matplotlibinlineimportnumpyasnpimportpandasaspdimportosimportsklearnimportsysimporttimeimporttensorflowa

XB_please·2023-10-12 23:19

【使用 TensorFlow 2】01/3 中创建和训练自定义层

之前我们已经看到了如何创建自定义损失函数接下来，我写了关于使用Lambda层创建自定义激活函数的文章一、说明TensorFlow2发布已经接近2年时间，不仅继承了Keras快速上手和易于使用的特性，同时还扩展了原有

无水先生·2023-10-12 23:18

AttributeError: module ‘keras‘ has no attribute ‘preprocessing‘成功解决

=keras.preprocessing.text.Tokenizer(num_words=max_words)原因分析：由于版本升级，importkeras的方式已经被弃用，取而代之的是importtensorflow.keras

QYLZ·2023-10-12 20:13

tensorflow 入门笔记

简介tensorflow是谷歌于2015年11月开源的通用计算框架，由谷歌大脑团队基于谷歌内部第一代深度学习框架DistBelief改进而来。

luckriver·2023-10-12 18:15

【论文笔记】EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks

【论文链接】：https://arxiv.org/abs/1905.11946【论文代码】：https://github.com/tensorflow/tpu/tree/master/models/official

Qn_351c·2023-10-12 18:30

tensorflow使用python_如何在Tensorflow中仅使用Python制作自定义激...

很难找到信息并使其正常工作,但这里有一个例子,复制了here和here中找到的原则和代码.要求：在我们开始之前,有两个要求才能成功.首先,您需要能够将激活编写为numpy数组上的函数.其次,您必须能够将该函数的派生函数作为Tensorflow

weixin_39979215·2023-10-12 17:20

tensorflow2笔记：自定义模型（激活函数、初始化、正则化、约束、损失、模型、训练循环）

目录（注意本文jupyterlab编写）预先导入数据模型原型（用作对比）自定义损失函数自定义损失函数保存和加载自定义损失函数自定义损失配置函数自定义损失类HuberLoss保存和加载自定义损失类的模型自定义激活函数自定义激活函数激活函数类自定义初始化自定义初始化函数初始化类自定义正则化自定义正则化函数正则化约束类模型的保存和加载自定义约束自定义约束函数权重约束类实现自定义指标自定义指标类自定义层自

起名大废废·2023-10-12 16:39

【使用 TensorFlow 2】02/3 使用 Lambda 层创建自定义激活函数

一、说明TensorFlow2发布已经接近2年时间，不仅继承了Keras快速上手和易于使用的特性，同时还扩展了原有Keras所不支持的分布式训练的特性。

无水先生·2023-10-12 16:36

TensorFlow学习：在web前端如何使用Keras 模型

前言在上篇文章TensorFlow学习：使用官方模型进行图像分类、使用自己的数据对模型进行微调中我们学习了如何使用官方模型，以及使用自己的数据微调模型。

无知的小菜鸡·2023-10-12 15:08

TensorFlow入门(二十四、初始化学习参数)

参数的初始化关系到网络能否训练出好的结果或者是以多快的速度收敛,对训练结果有着重要的影响。初始化学习参数需要注意的规则不可以将网络中的所有参数初始化为0,也不能全部初始化为同一个值。如果参数全部初始化为0或者是同一个值,会使得所有神经元的输出都是相同的,进而造成反向传播时,梯度和权重的变化相同,同一层内每个神经元的计算也相同。这显然是不正确的尽量保证参数初始化的均值为0,正负交错,且正负参数在数量

艺术就是CtrlC·2023-10-12 15:57

TensorFlow入门(二十三、退化学习率)

学习率学习率,控制着模型的学习进度。模型训练过程中,如果学习率的值设置得比较大,训练速度会提升,但训练结果的精度不够,损失值容易爆炸;如果学习率的值设置得比较小,精度得到了提升,但训练过程会耗费太多的时间,收敛速度慢,同时也容易出现过拟合的情况。退化学习率退化学习率又叫学习率衰减或学习率更新。更新学习率是希望训练过程中,在精度和速度之间找到一个平衡,兼得学习率大核学习率小的优点。即当训练刚开始时使

艺术就是CtrlC·2023-10-12 15:56

TensorFlow入门(二十二、梯度下降)

梯度下降的定义及作用梯度下降本身是一个最优化算法,通常也被称为最速下降法。常被用于机器学习和人工智能中递归性地逼近最小偏差模型,也就是使用它找到一个函数的局部极小值。使用过程中,梯度下降算法以函数上当前点对于梯度(或者是近似梯度)反方向的规定步长距离点进行迭代搜索。因此,它可以快速求解出某个函数的极小值或最小值。特别是对于n维问题求最优解,梯度下降法是最常用的方法之一。#定义损失函数cost=tf

艺术就是CtrlC·2023-10-12 15:51

推荐频道

tensorflow;