深度学习(tensorflow)通用代码

IT142546355

已于 2022-09-16 09:57:57 修改

阅读量765

点赞数

分类专栏：深度学习文章标签： tensorflow

于 2022-09-15 15:44:27 首次发布

本文链接：https://blog.csdn.net/IT142546355/article/details/126872643

版权

深度学习专栏收录该内容

5 篇文章 0 订阅

订阅专栏

概述

在tensorflow的学习和做项目的过程中，总有一些环境设置类的代码需要编写，这类代码纯属复制粘贴，故而在本博客记录下来，适时可以复制粘贴，本文持续更新......

通用代码

Tensorflow日志级别设置

import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
# 需要在导入tensorflow之前
import tensorflow as tf

值	日志级别	可输出的日志
0	INFO	INFO+WARNING+ERROR+FATAL
1	WARNING	WARNING+ERROR+FATAL
2	ERROR	ERROR+FATAL
3	FATAL	FATAL

设置训练的GPU

TRAIN_GPU = [0, ]
os.environ["CUDA_VISIBLE_DEVICES"]  = ','.join(str(x) for x in TRAIN_GPU)
gpus = tf.config.experimental.list_physical_devices('GPU')
for gpu in gpus:
    tf.config.experimental.set_memory_growth(gpu, True)

优惠劵

IT142546355

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
深度学习(tensorflow)通用代码

在tensorflow的学习和做项目的过程中，总有一些环境设置类的代码需要编写，这类代码纯属复制粘贴，故而在本博客记录下来，适时可以复制粘贴，本文持续更新......
复制链接

扫一扫

专栏目录

tensorflow21个项目玩转深度学习源代码.zip

05-24

《21 个项目玩转深度学习——基于TensorFlow 的实践详解》以实践为导向，深入介绍了深度学习技术和TensorFlow 框架编程内容。通过本书，读者可以训练自己的图像识别模型、进行目标检测和人脸识别、完成一个风格迁移应用，还可以使用神经网络生成图像和文本，进行时间序列预测、搭建机器翻译引擎，训练机器玩游戏。全书共包含21 个项目，分为深度卷积网络、RNN网络、深度强化学习三部分。读者可以在自己动手实践的过程中找到学习的乐趣，了解算法和编程框架的细节，让学习深度学习算法和TensorFlow 的过程变得轻松和高效。本书代码基于TensorFlow 1.4 及以上版本，并介绍了TensorFlow 中的一些新特性。

深度学习Tensorflow逻辑回归多层感知机深度神经网络搭建基础学习

03-30

记录了我学习Tensorflow1.1和Keras2.2的深度学习过程。它分别包括使用Tensorflow1.1和Keras2.2搭建简单感知机、逻辑回归、多分类问题、多层感知器(MLP)、深度神经网络等的模型的代码和案例。最后给出了使用...

参与评论您还未登录，请先登录后发表或查看评论

经典卷积神经网络Python，TensorFlow全代码实现

全栈O-Jay的博客

11-06

2006

经典ImageNet竞赛卷积神经网络python代码全实现！包括LeNet、AlexNet、VGGNet、InceptionNet、ResNet。还有贴心总结。

《21个项目玩转深度学习--基于tensorflow的实践详解》代码实现和笔记（一）

weixin_44794449的博客

03-22

3530

一、首先尝试获取数据集的时候会报一个warning，但是发现这个对后面数据集的获取并没有影响，print数据集的shape的时候可以输出输出训练集验证集以及测试集的shape大小接下来尝试从数据集中读取20张样本，并将其保存哼图像文件（这里需要注意的1.是读取的数据集的shape大小是55000784的，后面的784指的是每个图像的维度，也就是这张图象的大小，在数据集中他是个1784的向...

速成教程：TensorFlow如何实现简单的模型训练

tigerlib的博客

08-10

3296

简单线性回归训练模型代码 import tensorflow as tf import os os.environ['TF_CPP_MIN_LOG_LEVEL']='2' tf.app.flags.DEFINE_integer("max_step", 200, "训练模型的步数") # 训练步数 tf.app.flags.DEFINE_string("model_path", ...

TensorFlow训练可以自主识别的模型

qq_44941069的博客

09-04

1340

一、调用训练好的模型程序（大部分和上面一样，就是不用重新训练模型，只需要加载训练好的模型即可）把获取到的图像绝对路径和标签都转化成tensor格式函数get_tensor。获取图像的绝对路径和对应标签的函数get_files。二、第二套模型训练代码。三、第二套模型模型调用。

深度学习——TensorFlow1.0GPU环境构建

庄小焱

01-30

2697

本人在神州笔记本（Z7-KP7SC）+双系统window10/Ubuntu16.04+GTX1060+CUDA9.0+CUDNN7.4.0+TensorFlow1.*-GPU安装和测试实现了对深度学习的环境的基本的配置的一个过程。当然这里也是借鉴了很多的网友的博客和自己的经验才完成的。如果是的安装的CPU的版本的话就本简单本人就不重复介绍了。如果是的其他的版本的请自己的查看官方推荐的是的版本号进行安装和测试。如果是的电脑是和我一样的配置的应该安装下面的步骤就不会有什么问题的。

Tensorflow2.0 深度学习运行代码简单教程

赫凯的博客

07-24

1907

之前写过Pytorch，现在工作需求用了Tensorflow2.0的框架，经过这段时间的学习，来总结下。Tensorflow2.0提供了两种训练模式可以上手。

Tensorflow 基础编程

Undifferentiated Life

08-04

609

前言机器学习和以往的编程的区别： What we’ll do is we can get a bunch of examples from what we want to see, and then have the computer figure out the rules. 注意：我们所打上的标签（Labels）是Answers，而不是Rules。 Code & Explain The ‘Hello Word’ in Neural Networks model = keras.Seque

Tensorflow教程（附完整代码）

wangqianqianya的博客

01-22

1977

综述 TensorFlow是一个编程系统，用图来表示计算任务，描述了计算过程图中结点表示为op(operation),一个op获得0或多个tersor tensor是一个多维数组，在图中表示边图必须在会话Session里启动变量需初始化tf.global_variables_initializer() TensorFlow程序可以看做独立的两部分：构建计算图与运行计算图 1、...

深度学习与Tensorflow2实战课程

07-21

深度学习与Tensorflow2实战视频教程，2020最新版本，Tensorflow2版本更简单实用，课程纯实战驱动，通俗讲解2版本核心模块与实例应用。全程代码实战，通俗易懂，用最接地气的方式讲解各大核心模块，基于真实数据集...

深度学习相关的模型训练、评估和预测相关代码

02-12

常用的深度学习模型训练、评估和预测相关代码，基于Tensorflow高阶API（Estimator）实现；尽量做到可读性和通用性较好。部分模型子目录下有较详细的文档介绍！关于其中某些模型的介绍，请参考文章《主流CTR预估...

python的TensorFlow机器学习工具库源代码

03-04

TensorFlow 内建深度学习的扩展支持，任何能够用计算流图形来表达的计算，都可以使用TensorFlow。TensorFlow 是谷歌的第二代机器学习系统，按照谷歌所说，在某些基准测试中，TensorFlow的表现比第一代的DistBelief...

常用的深度学习模型训练、评估和预测相关代码，基于Tensorflow高阶API（Estimator）实现；尽量做到可读性和通用性

02-04

1. 常用的深度学习模型训练、评估和预测相关代码，基于Tensorflow高阶API（Estimator）实现；尽量做到可读性和通用性 2. 关于其中某些模型的介绍，请参考文章《主流CTR预估模型的演化及对比》！《深度CTR预估模型中...

link和@import的区别

最新发布

SailingCoder的博客

04-30

245

你可以不会，但是不能不知道

Python 与 TensorFlow2 生成式 AI（四）

龙哥盟

04-30

695

祝贺你完成了涉及大量概念的复杂章节。在本章中，我们涵盖了处理文本数据以进行文本生成任务的各种概念。我们首先了解了不同的文本表示模型。我们涵盖了大多数广泛使用的表示模型，从词袋到 word2vec 甚至 FastText。本章的下一部分重点讨论了发展对基于循环神经网络（RNN）的文本生成模型的理解。我们简要讨论了什么构成了语言模型以及我们如何为这样的任务准备数据集。之后我们训练了一个基于字符的语言模型，生成了一些合成文本样本。我们涉及了不同的解码策略，并用它们来理解我们 RNN 模型的不同输出。

报错cannot import name ‘MultiHeadAttention‘ from ‘tensorflow.keras.layers‘

weixin_45325693的博客

04-30

报错cannot import name ‘MultiHeadAttention‘ from ‘tensorflow.keras.layers‘，简单粗暴！！！

tensorflow_decision_forests\tensorflow\ops\inference\inference.so not found

weixin_46028606的博客

04-27

133

tensorflow_decision_forests\tensorflow\ops\inference\inference.so not found

一段通用的物体识别的深度学习代码

08-27

以下是一个简单的物体识别的深度学习代码示例，使用Python编写，基于Keras和TensorFlow框架： ```python # 导入相关库 import tensorflow as tf from tensorflow import keras from tensorflow.keras.preprocessing.image import load_img, img_to_array import numpy as np # 加载预训练的模型 model = keras.applications.MobileNetV2(weights='imagenet') # 加载图像 img = load_img('example.jpg', target_size=(224, 224)) img = img_to_array(img) img = np.expand_dims(img, axis=0) # 对图像进行预处理 img = keras.applications.mobilenet_v2.preprocess_input(img) # 进行预测 preds = model.predict(img) # 解码预测结果 results = keras.applications.mobilenet_v2.decode_predictions(preds, top=5)[0] # 输出预测结果 for result in results: print(f"{result[1]}: {result[2]*100:.2f}%") ``` 这个代码使用了一个预训练的MobileNetV2模型来进行物体识别。首先，代码加载了模型和待识别的图像。然后，它对图像进行预处理，以使其与模型预期的格式相匹配。接下来，代码使用模型对图像进行预测，并解码预测结果以找到最可能的物体。最后，代码输出了前5个最可能的物体及其相应的概率。

“相关推荐”对你有帮助么？

非常没帮助
没帮助
一般
有帮助
非常有帮助

提交