题外话：躲是躲不掉的，就要开始使用最受欢迎的深度学习框架了。如之前 Pytorch入门之框架介绍，Tensorflow的前身为Theano，将所有运算转化为图结构，但有着代码可读性较难，上手较难的门槛。Anyway，开始学习吧！ 作为明星的深度学习框架，线上已有众多入门博客。为避免踩坑，我直接看了 Tensorflow官方中文社区文档。本文记录的是官方文档
Tensorflow1.x 系列为个人入门Tensorflow1的简要笔记，最近学习的论文涉及到了bilevel program和hypergradient的求解，对应的代码基于Tensorflow1实现，因此根据视频教程学习了解一下Tensorflow。视频课程链接：https://www.bilibili.com/video/BV1wJ411T77b?p=15跟着视频课自己写的代码，使用Col
1.TensorFlow是什么：TensorFlow 是一个端到端开源机器学习平台借助 TensorFlow，初学
原创
2022-09-14 10:46:24
128阅读
1.tf.split
tf.split(
value,
num_or_size_splits,
axis=0,
num=None,
name='split'
)
num_or_size_splits可以为整数，也可以为列表。
num_or_size_splits为整数的话，表示切割出的每个子tensor上的axis=0上的维度数为原始输入tensor的axis=0上的维
本教程对应的tensorflow版本为：tensorflow 1版本简介 深度学习的框架有很多：TensorFlow、Caffe、Theano、Torch...TensorFlow作为谷歌重要的开源项目，有非常火热的开源的开源社区推动着开源项目的发展，它能让项目有旺盛的生命力并在生命周期中不断涌现新的功能并以较快的迭代来更新Bug修复。Keras是在TensorFlow基础上构建的高层API，K
下面将升级代码到TensorFlow 2.x版本的方法汇总起来，有如下几点。1.最快速转化的方法在代码中没有使用contrib模块的情况下，可以在代码最前端加上如下两句，直接可以实现的代码升级。import tensorflow.compat.v1 as
tftf.disable_v2_behavior()这种方法只是保证代码在TensorFlow 2.x版本上能够运行，并不能发挥TensorF
tensorflow数据集和估算器数据集：一种创建输入管道（即，将数据读入您的程序）的全新方式估算器：一种创建tensorflow模型的高级方式。估算器包括适用于常见机器学习任务的预制模型，不过，您也可以使用它们创建自己的自定义模型。 下面是它们在tensorflow架构内的转配方式。 1.数据集介绍数据集是一种我tensorflow模型创建输入管道的新方式。使用此API的性能要比使用feed_
tensorflow 1.Xtensoeflow虽然已经发布了2.0，但是1.0的代码结构却和2的差距很大，所以一天学一下结构。1.基本概念1.1 构建结构图图（graphs）来表示计算任务Session（绘画）来执行图tensor来表示数据Variable来维护状态图用于表示计算任务，其中由节点构成（operation），而每个节点可以由很多个Tensor，图需要在session中才可以被使用。
关于TensorFlow Serving下面是TensorFlow Serving的架构图：关于TensorFlow Serving的更多基础概念等知识，请看官方文档，翻译的再好也不如原文写的好。这里，我总结了下面一些知识点，我认为是比较重要的：TensorFlow Serving通过Model Version Policy来配置多个模型的多个版本同时serving；默认只加载model的late
作者：Galina Olejnik编译：ronghuaiyang导读TensorFlow代码很难调试，这个大家已达成共识，不过，就算是难，也还是需要调试的，毕竟谁也没有把握不出bug，看看这篇文章能不能让你减轻一点调试时的痛苦。当讨论在tensorflow上编写代码时，总是将其与PyTorch进行比较，讨论框架有多复杂，以及为什么要使用tf.contrib的某些部分，做得太烂了。此外，我认识很多数
前言Rxjava由于其基于事件流的链式调用、逻辑简洁 & 使用简单的特点，深受各大 Android开发者的欢迎。本文主要：面向 刚接触Rxjava的初学者提供了一份 清晰、简洁、易懂的Rxjava入门教程涵盖 基本介绍、原理 & 具体使用等解决的是初学者不理解Rxjava原理 & 不懂得如何使用的问题Carson带你学RxJava系列文章，包括 原理、操作符、应用场景、背压
TensorFlow的Javascript版TensorFlow一直努力扩展自己的基础平台环境，除了熟悉的Python，当前的TensorFlow还实现了支持Javascript/C++/Java/Go/Swift(预发布版)共6种语言。
越来越多的普通程序员，可以容易的在自己工作的环境加入机器学习特征，让产品更智能。在Javascript语言方面，TensorFlow又分为两个版本。一个是使用n
TensorFlow教程第一课适用于初学者第一节对TensorFlow进行一个操作op输出Hello,TensorFlowimport tensorflow as tf
hello = tf.constant('Hello, TensorFlow!') #定义一个常量
sess = tf.Session() #建立一个session
pri
TensorFlow 2 简介TensorFlow 是由谷歌在 2015 年 11 月发布的深度学习开源工具，我们可以用它来快速构建深度神经网络，并训练深度学习模型。运用 TensorFlow 及其他开源框架的主要目的，就是为我们提供一个更利于搭建深度学习网络的模块工具箱，使开发时能够简化代码，最终呈现出的模型更加简洁易懂。2019 年，TensorFlow 推出了 2.0 版本，也意味着 Ten
TensorFlow 1.11.0+ 版本更快、更灵活、更稳定（production-ready）于是想升级到Tensorflow1.1 。TensorFlow 1.0+版本保证 Python API 的稳定性，即使以后添加新的特性也不用担心会破坏现有代码。具体参见Google Research Blog 。一、TensorFlow升级我安装的是tensorflow的
win10 tensorflow 1.x 安装前言电脑上现在有3.8,3.9,2.7等各种版本的Python，tensorflow安装的是最新的2.4版本的，由于网上大部分tensorflow的教程都是比较早的，所以打算使用1.x版本，先进行学习，等到学会了之后，再实际使用2.x版本。
这次的下载安装过程仅是一次记录的过程，没有为什么执行这一步骤的解释。
这次使用了miniconda来创建一个虚拟
批量归一化在对神经网络的优化方法中，有一种使用十分广泛的方法——批量归一化，使得神经网络的识别准确度得到了极大的提升。在网络的前向计算过程中，当输出的数据不再同一分布时，可能会使得loss的值非常大，使得网络无法进行计算。产生梯度爆炸的原因是因为网络的内部协变量转移，即正向传播的不同层参数会将反向训练计算时参照的数据样本分布改变。批量归一化的目的，就是要最大限度地保证每次的正向传播输出在同一分布上
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。以这个为例子，研究tensorflow1到2的转换。简单方法-直接用tf1兼容tf2直接全局转为tf1，这样代码很快就跑起来了。import tensorflow.compat.v1 as tf
文章目录声明正文1.强制tensor转换为该数据类型2.计算张量维度上元素的最小值3.计算张量维度上元素的最大值4. 理解axis5.计算张量沿着指定维度的平均值6.计算张量沿着指定维度的和7. tf.Variable8.对应元素的四则运算9.平方、次方与开方10.矩阵乘tf.matmul11.tf.data.Dataset.from_tensor_slices12.tf.GradientTap
2024 年 4 月 11 日 计算机视觉有几个子学科，图像分割就是其中之一。如果您要分割图像，则需要在像素级别决定图像中可见的内容（执行分类时），或者从像素级别的图像中推断相关的实值信息（执行回归时）。图像分割社区中最著名的架构之一是U-Net。全卷积架构以其形状命名，首先收缩图像，然后扩展为结果。虽然此收缩路径构建了学习特征的层次结构，但跳跃连接有助于将这些特征转换回扩展路径中的相关模型输出。
