tensorflow
文章平均质量分 88
fu_shuwu
这个作者很懒,什么都没留下…
展开
-
深入浅出Tensorflow(五):循环神经网络简介
http://www.infoq.com/cn/articles/introduction-of-tensorflow-part05?utm_campaign=rightbar_v2&utm_source=infoq&utm_medium=articles_link&utm_content=link_text2017年2月16日,Google正式对外发布Google TensorF转载 2017-07-29 17:07:18 · 4216 阅读 · 0 评论 -
深入浅出Tensorflow(四):卷积神经网络
http://www.infoq.com/cn/articles/introduction-of-tensorflow-part4?utm_campaign=rightbar_v2&utm_source=infoq&utm_medium=articles_link&utm_content=link_text2017年2月16日,Google正式对外发布Google TensorFlow转载 2017-07-27 22:08:24 · 2640 阅读 · 0 评论 -
tensorflow将训练好的模型freeze,即将权重固化到图里面,并使用该模型进行预测
http://blog.csdn.net/lujiandong1/article/details/53385092ML主要分为训练和预测两个阶段,此教程就是将训练好的模型freeze并保存下来.freeze的含义就是将该模型的图结构和该模型的权重固化到一起了.也即加载freeze的模型之后,立刻能够使用了。下面使用一个简单的demo来详细解释该过程,一、首先运行脚本转载 2017-08-13 11:30:48 · 1452 阅读 · 0 评论 -
将tensorflow训练好的模型移植到android
http://blog.csdn.net/cxq234843654/article/details/71171293说明本文将描述如何将一个训练好的模型植入到Android设备上,并且在android设备上输入待处理数据,通过模型,获取输出数据。 通过一个例子,讲述整个移植的过程。(demo的源码访问github上了https://github.com/Crysta转载 2017-08-13 17:21:19 · 1737 阅读 · 0 评论 -
利用tensorflow 一步一步实现一个简单神经网络,线性回归
下面是基于一个简单例子,一步一步注释加翻译A look at a very simple neural network inTensorFlow让我们来看一个基于tensorFlow创建一个非常简单的神经网络,实现线性回归的功能。 This is an introduction to working withTensorFlow. It works through an原创 2017-07-29 11:51:48 · 10603 阅读 · 0 评论 -
关于tensorflow 用于线性回归及MNIST 数字识别中的一些思考及补充
一开始按照里面的例子输入并验证了下,结果还比较符合预期,但是前后又看了下原理及代码,怎么没有看到这些权重及偏置参数被不断更新(训练)呢?我自己的理解就是,神经网络主要是建立模型,这个模型有很多参数需要训练,但是在线性回归及逻辑回归的两篇文章中,并没有直接显示如何去更新这些参数。如线性回归中,是这么写的:update_weights =tf.train.GradientDescent原创 2017-08-06 21:52:34 · 4565 阅读 · 0 评论 -
基于TensorFlow的车牌号识别系统
http://blog.csdn.net/Jsmile_msj/article/details/71123980(原英文链接:http://matthewearl.github.io/2016/05/06/cnn-anpr/) Tags: 车牌识别 TensorFlow简介过去几周我一直在涉足深度学习领域,尤其是卷积神经网络模型。最近,谷歌围绕街景多位数字识转载 2017-08-24 21:13:02 · 10155 阅读 · 4 评论 -
Tensorflow实例:利用LSTM预测股票每日最高价(一)
http://blog.csdn.net/mylove0414/article/details/55805974目录(?)[-]RNN与LSTM什么是RNN什么是LSTM股票预测导入数据定义神经网络变量定义lstm网络训练模型预测模型代码RNN与LSTM这一部分主要涉及循环神经网络的理论,讲转载 2017-08-22 19:04:58 · 2248 阅读 · 1 评论 -
深度学习与自然语言处理(1)_斯坦福cs224d Lecture 1
http://blog.csdn.net/han_xiaoyang/article/details/51567822作者:寒小阳 && 龙心尘 时间:2016年6月 出处:http://blog.csdn.net/han_xiaoyang/article/details/51567822 http://blog.csdn.net/longxinchen_ml/art转载 2017-09-04 21:14:32 · 5045 阅读 · 0 评论 -
斯坦福大学CS224d基础1:线性代数回顾
http://blog.csdn.net/han_xiaoyang/article/details/51629242目录(?)[-]1基本概念和符号1基本符号矩阵乘法1向量的乘积2矩阵-向量的乘积3矩阵-矩阵乘积运算和性质1 单位矩阵与对角矩阵2转置3对称矩阵4矩阵的迹5范数6线性无关和秩7逆8 正交矩阵9矩阵的值转载 2017-08-23 22:00:09 · 1377 阅读 · 0 评论 -
斯坦福cs224d(深度学习在自然语言处理上的应用)Lecture 2
原文作者:Rohit Mundra, Richard Socher 原文翻译:@熊杰(jie.xiong.cs@gmail.com) && @王昱森 内容调整与校对:寒小阳 && 龙心尘 特别鸣谢:@面包包包包包同学的帮助 时间:2016年6月 出处: http://blog.csdn.net/han_xiaoyang/article/details/51648483转载 2017-09-17 11:29:04 · 1348 阅读 · 0 评论 -
基于深度学习的目标检测技术演进:R-CNN、Fast R-CNN、Faster R-CNN
object detection我的理解,就是在给定的图片中精确找到物体所在位置,并标注出物体的类别。object detection要解决的问题就是物体在哪里,是什么这整个流程的问题。然而,这个问题可不是那么容易解决的,物体的尺寸变化范围很大,摆放物体的角度,姿态不定,而且可以出现在图片的任何地方,更何况物体还可以是多个类别。object detection技术的演进:RCNN->S...转载 2018-11-18 09:17:39 · 694 阅读 · 1 评论 -
详述目标检测最常用的三个模型:Faster R-CNN、SSD和YOLO
最近做一些关于Faster R-CNN、SSD和YOLO模型选择和优化的项目,之前只了解Faster R-CNN系列目标检测方法,于是抽空梳理一下这几个检测模型。先上两张简单的精确度和运算量的对比图,有个粗略的了解,虽然图中缺了YOLO,参考价值仍然很大:下面开始分别详述吧~Faster R-CNN架构传统目标检测方法大致分为如下三步:深度学习特别是CNN的出现...转载 2018-11-18 10:13:41 · 8054 阅读 · 0 评论 -
【OCR技术系列之五】自然场景文本检测技术综述(CTPN, SegLink, EAST)
文字识别分为两个具体步骤:文字的检测和文字的识别,两者缺一不可,尤其是文字检测,是识别的前提条件,若文字都找不到,那何谈文字识别。今天我们首先来谈一下当今流行的文字检测技术有哪些。文本检测不是一件简单的任务,尤其是复杂场景下的文本检测,非常具有挑战性。自然场景下的文本检测有如下几个难点:文本存在多种分布,文本排布形式多样; 文本存在多个方向; 多种语言混合。 我们先从直观上理解文本...转载 2018-11-18 10:55:54 · 1486 阅读 · 0 评论 -
基于tensorflow + Vgg16进行图像分类识别
1. VGG-16介绍vgg是在Very Deep Convolutional Networks for Large-Scale Image Recognition期刊上提出的。模型可以达到92.7%的测试准确度,在ImageNet的前5位。它的数据集包括1400万张图像,1000个类别。 vgg-16是一种深度卷积神经网络模型,16表示其深度,在图像分类等任务中取得了不错的效果。 vgg...转载 2018-12-04 22:09:02 · 4261 阅读 · 1 评论 -
Keras TensorFlow教程:如何从零开发一个复杂深度学习模型
Keras 是提供一些高可用的 Python API ,能帮助你快速的构建和训练自己的深度学习模型,它的后端是 TensorFlow 或者 Theano 。本文假设你已经熟悉了 TensorFlow 和卷积神经网络,如果,你还没有熟悉,那么可以先看看这个10分钟入门 TensorFlow 教程和卷积神经网络教程,然后再回来阅读这个文章。在这个教程中,我们将学习以下几个方面:为什么选择 Ke...转载 2019-01-05 22:39:36 · 566 阅读 · 0 评论 -
TensorFlow 学习笔记-入门篇
TensorFlow 是一个基于图进行计算的一个系统,在创建模型的时候,先要创建节点,节点之间的关系要由一些操作去算出来。 在定义好节点,以及各个节点之间的关系后,真正发生操作一般是要进行session.run() 或eval(). 如下是定义了两个常量 input1,input2,这两个常量是一个一维向量。 input1 = tf.con原创 2017-07-27 21:54:11 · 4589 阅读 · 0 评论 -
TensorFlow 之卷积神经网络一般过程
1 根据图像特点(大小,颜色通道)定义模型参数,进行初始化,通常采用对参数随机赋值的方法。2 读取训练数据,包括每个数据样本和对应的标记好的输出,一般采取小批量随机读取的方式。3 根据设定好的训练模型,(是否规范化)喂入数据进行计算(结合当前样本的输入及当前权重,偏置参数)得出一个输出。4 根据定义好的损失函数求出当前样本的损失值。5 根据学习率,损失率,梯度下降法等策略去更新权重原创 2017-08-11 21:43:43 · 4538 阅读 · 0 评论 -
深入浅出TensorFlow(六)TensorFlow高层封装
http://www.infoq.com/cn/articles/introduction-of-tensorflow-part06?utm_campaign=rightbar_v2&utm_source=infoq&utm_medium=articles_link&utm_content=link_text2017年2月16日,Google正式对外发布Google TensorFlo转载 2017-07-30 21:04:07 · 3746 阅读 · 0 评论 -
在安卓上运行TensorFlow
Justin Francis, 2016年10月13日https://www.oreilly.com.cn/ideas/?p=690编者注:想了解如何使用TensorFlow来运行你的机器学习工作流,请关注Aaron Schumacher's Oriole Tutorial: Hello, TensorFlow!。如果你关注我的前一篇帖子,并按照其中的内容实转载 2017-07-21 19:41:36 · 1840 阅读 · 0 评论 -
使用树莓派3开发板,基于android things 物联网系统来运行TensorFlow解析图像
http://blog.csdn.net/wfing/article/details/64934328前面絮叨了这么多,好像还没有一个总体的概念,我们如何写一个完整的代码呢?现在深度学习很火,那我们就在Android Things中,利用摄像头抓拍图片,让 TensorFlow 去识别图像,最后用扬声器告诉我们结果。是不是很酷?说基本的功能就说了这么长一转载 2017-07-22 16:05:03 · 2352 阅读 · 0 评论 -
从理论到实践,手把手教你如何用 TensorFlow 实现 CNN
https://www.leiphone.com/news/201705/HH3BbIfCqAtOAMbu.html一、CNN的引入在人工的全连接神经网络中,每相邻两层之间的每个神经元之间都是有边相连的。当输入层的特征维度变得很高时,这时全连接网络需要训练的参数就会增大很多,计算速度就会变得很慢,例如一张黑白的 28×28 的手写数字图片,输入层的神经元就有784个,如转载 2017-08-07 21:49:23 · 2329 阅读 · 0 评论 -
将 TensorFlow 移植到 Android手机,实现物体识别、行人检测和图像风格迁移详细教程
http://blog.csdn.net/masa_fish/article/details/540977962017/02/23 更新贴一个TensorFlow 2017开发者大会的Mobile专题演讲移动和嵌入式TensorFlow这里面有重点讲到本文介绍的三个例子,以及其他的移动和嵌入式方面的TF相关问题,干货很多2017/01/17 更新转载 2017-07-23 19:04:28 · 2088 阅读 · 0 评论 -
详解如何将TensorFlow训练的模型移植到Android手机
http://blog.csdn.net/masa_fish/article/details/56049710前言本文中出现的TF皆为TensorFlow的简称。先说两句题外话吧,TensorFlow 前两天热热闹闹的发布了正式版r1.0,可感觉自己才刚刚上手 r0.12,这个时代发展的太快,脚步是一刻也不能停啊~但是不得不吐槽 TensorFlow的向转载 2017-07-23 19:12:32 · 1933 阅读 · 0 评论 -
基于Docker的TensorFlow机器学习框架搭建和实例源码解读
http://blog.csdn.net/dream_an/article/details/55520205概述:基于Docker的TensorFlow机器学习框架搭建和实例源码解读,TensorFlow作为最火热的机器学习框架之一,docker是的容器,可以很好的结合起来,为机器学习或者科研人员提供便捷的机器学习开发环境,探索人工智能的奥秘,容器随开随用方便快捷。源码解析Te转载 2017-07-23 19:23:06 · 1757 阅读 · 0 评论 -
利用tensorflow一步一步实现基于MNIST 数据集进行手写数字识别的神经网络,逻辑回归
MNIST from scratchMNIST从无到有 This notebook walks through an example oftraining a TensorFlow model to do digit classification using the MNIST dataset. MNIST is a labeled set of images of handwritt原创 2017-08-01 21:42:31 · 6872 阅读 · 1 评论 -
在windows 7下安装unbuntu16.04 虚拟机进行tensorflow 的编译安装。
看了很多相关文章,自己也需要动手试一试,结果发现还是有一些要注意的地方:我的电脑环境笔记本:ThinkPad T450 X86_64系统环境: Windows7 64位系统 ,安装unbuntu16.04 虚拟机TensorFlow版本: master Bazel版本: 0.5.2 基本过程参考如下文章:将TensorFlow移植到 Andr原创 2017-07-25 19:38:35 · 6214 阅读 · 1 评论 -
深入浅出TensorFlow(二):TensorFlow解决MNIST问题入门
http://www.infoq.com/cn/articles/introduction-of-tensorflow-part022017年2月16日,Google正式对外发布Google TensorFlow 1.0版本,并保证本次的发布版本API接口完全满足生产环境稳定性要求。这是TensorFlow的一个重要里程碑,标志着它可以正式在生产环境放心使用。在国内,从InfoQ的转载 2017-07-25 21:17:21 · 3093 阅读 · 0 评论 -
使用TensorFlow识别交通标志
这篇博客是翻译Waleed Abdulla写的使用TensorFlow识别交通标志,作者已经授权翻译,这是原文。我看到了速度限制标志,但只是没有看见你这是使用深度学习模型去识别交通标志的第一部分。本系列的目的是学习如何使用深度模型去构建一个系统,如何你也有兴趣可以和我一起学习。在网上,你能找到很多的讲解神经网络数学理论的资源,因此我将专注于应用实践方面的分享。接转载 2017-08-10 21:36:07 · 17349 阅读 · 3 评论 -
3·深入MNIST
http://www.jianshu.com/p/d13a93a8fa8d复习上一小节加载MNIST数据import input_datamnist = input_data.read_data_sets('MNIST_data', one_hot=True)运行TensorFlow的InteractiveSessionimport tensorflow转载 2017-08-03 21:39:28 · 1480 阅读 · 0 评论 -
进行docker 安装并搭建tensorflow 框架用于以后tensorflow 测试学习
既然要学习tensorflow,查看了下tensorflow系统,感觉还是python 比较方便,而整个tensorflow 系统学习,使用docker 也是比较方便了,因此有必要安装下docker 环境了。 我主要参考下面的三个博客进行docker环境安装测试: http://blog.csdn.net/fu_shuwu/article/details/7594760原创 2017-07-26 21:22:38 · 2227 阅读 · 0 评论 -
深入浅出Tensorflow(三):训练神经网络模型的常用方法
http://www.infoq.com/cn/articles/introduction-of-tensorflow-part03?utm_campaign=rightbar_v2&utm_source=infoq&utm_medium=articles_link&utm_content=link_text本文将介绍优化训练神经网络模型的一些常用方法,并给出使用TensorFlo转载 2017-07-26 21:32:19 · 16196 阅读 · 1 评论 -
深入理解GoogLeNet结构
inception(也称GoogLeNet)是2014年Christian Szegedy提出的一种全新的深度学习结构,在这之前的AlexNet、VGG等结构都是通过增大网络的深度(层数)来获得更好的训练效果,但层数的增加会带来很多负作用,比如overfit、梯度消失、梯度爆炸等。inception的提出则从另一种角度来提升训练结果:能更高效的利用计算资源,在相同的计算量下能提取到更多的特征,从而...转载 2019-01-24 21:13:51 · 467 阅读 · 1 评论