![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
tensorflow
文章平均质量分 76
tf
Abandon_first
这个作者很懒,什么都没留下…
展开
-
吴恩达 tensorflow2.0 实践系列课程(1):基础
tensorflow2.0(1)原创 2021-07-16 13:49:11 · 512 阅读 · 2 评论 -
吴恩达 tensorflow2.0 实践系列课程(2):CNN
tensorflow2.0(2)原创 2021-07-16 13:49:43 · 302 阅读 · 0 评论 -
吴恩达 tensorflow2.0 实践系列课程(3):NLP
tensorflow2.0(3)原创 2021-07-16 13:50:10 · 557 阅读 · 0 评论 -
吴恩达 tensorflow2.0 实践系列课程(4):RNN
tensorflow2.0(4)原创 2021-07-16 13:50:45 · 676 阅读 · 0 评论 -
TFRecord 的写入和读取(序列化和反序列化)
TFrecord 是 tensorflow 中的数据集存储格式,它的写入和读取相当于序列化和反序列化的过程。下面内容都是基于 tf2 版本来说明,两个版本中 tfrecord 的核心并没有改变,即序列化和反序列化。但是个人认为 tf2 里面对于读取 tfrecords 文件建立 Dataset 直接用于训练的支持更方便好用了,比如 batch、shuffle、repeat 等方面,所以在这点上基本摒弃了 tf1。写入/序列化(1)将数据读到内存,并转换为 tf.train.Example 对象,每个对原创 2021-04-10 14:55:33 · 773 阅读 · 0 评论 -
tf.image.resize 中待处理图像的类型问题
最近看到的关于 tf.image.resize 函数吐槽有点多,我也来参与一下好了。在习惯使用 cv 及 numpy 搭配对图像实现一些变换的背景下,使用 tf 的图像处理函数可能会带来很多数据层面的麻烦。使用 image = cv2.imread(path) 得到的结果是 uint8 类型的图像,继续对 image 进行resize 等操作得到的返回结果仍然是 uint8,像素值的 range 仍然维持 0~255。然而这些整齐划一的操作在 tf.image.resize 中无法保证。在 tf 中原创 2021-04-01 13:21:08 · 546 阅读 · 0 评论 -
Tensorflow 版本兼容实用程序
没有在 API 文档查看到过关于 tensorflow 版本直接切换的内容,在 tensorflow git 上倒是有介绍版本升级的工具。TensorFlow Python API 升级实用程序此工具允许您升级现有的 TensorFlow Python 脚本,特别是:tf_upgrade_v2.py:将代码从 TensorFlow 1.x 升级到 TensorFlow 2.0 预览版。tf_upgrade.py:将代码从 TensorFlow 0.11 升级到 TensorFlow 1.0。在安装原创 2021-03-29 10:39:07 · 238 阅读 · 1 评论 -
Tensorflow 版本切换与 slim 问题
slim 概述tf_slim 库能够使定义、训练和评估神经网络变得更简单。如其下的 arg_scope 和 layers 能够使定义模型变得更简单。比如 slim.arg_scope,它可以给函数的参数自动赋予某些默认值。使用了之后,就不需要每次都重复设置参数,只需要在有需要修改的地方重新设置即可。如此,可以大大减少代码量,与此同时,增加可读性,减少误操作。当模型层数很多,同时有很多类似甚至完全一样的层时,使用 arg_scope 能大大减少定义模型的工作量。导入 slim 模块从 Tensorfl原创 2021-03-23 13:40:35 · 1529 阅读 · 1 评论 -
tensorflow之版本问题 in_top_k 报错
Tensorflow2 更新之后,越来越多的工作要慢慢迁移到新版本中,但是我个人认为 tf 版本之间的兼容性有时候真的很让人无语。当找不到对应方法或调用时,大部分可以通过 .compat.v1 来解决,这就不说了;最难受的是,同一个函数,名字完全一致,在 tf1 和 tf2 中调用方法都一样,可是函数内的具体实现却并不同。如下面 in_top_k :top_k_op = tf.nn.in_top_k(logits, label_holder, 1)在两个版本中都是通过 tf.nn.in_top_k原创 2021-03-18 13:49:59 · 820 阅读 · 1 评论