新版tensorflow
文章平均质量分 79
孙宝龙
专注全站开发
展开
-
使用tensorflow预训练模型进行物体识别(1)
概述物体识别作为计算机视觉领域的一个典型任务,已经有很多成熟的理论与解决方案。本文主要介绍tensorflow的物体识别API的使用。该API提供了了很多预训练模型。可以让我们快速构建自己的物体识别系统。本文将分几个部分充分展示tensorflow object detect API的使用。本文主要展示物体识别的demo,后面的文章将展开说明如何使用该API来训练自己的的数据。1、TensorFlow对象检测API安装1.1 使用git下载代码库当然在安装该API的前提需要安装好CPU...原创 2021-04-13 12:07:27 · 2594 阅读 · 1 评论 -
使用对抗生成模型生成手写数字
1、概述对抗生成模型是人工智能模型中经常使用的结构,本文介绍使用tensorflow实现手写数字的生成。生成式对抗网络(GAN, Generative Adversarial Networks )是一种深度学习模型,是近年来复杂分布上无监督学习最具前景的方法之一。模型通过框架中(至少)两个模块:生成模型(Generative Model)和判别模型(Discriminative Model)的...原创 2019-02-20 12:13:51 · 806 阅读 · 0 评论 -
使用attention机制的seq2seq模型实现论文翻译
1、概述本文是关于attention-seq2seq模型实现中文到英文的翻译。论文的核心gru作为seq2seq模型的基本单元。基本翻译效果如下图所示:2、模型结构整体模型结构如下图所示:相关数学公式如下图所示相关模型说明:FC = 全连接层(dense layer)EO = 编码器(encoder)输出H = 隐藏状态X =解码器(decoder)输入相关公式的模型...原创 2018-12-04 16:21:31 · 1799 阅读 · 2 评论 -
在tensorflow中使用wide&deep模型(1)-模型及应用场景简介
1、概述人工智能的最终目的是为了模拟人的思维状态。而相对于传统的程序而言,人脑的工作机制是非常复杂的。总体来讲人脑的主要功能有一下两个:记忆 推理记忆是对已经见过的物体的总结能力,而推理是将这里记忆数据进行泛化,也就是推广到未知事物的能力。能否使用机器学习模型来模拟这两方面的能力呢。本章节将使用wide&deep模型来实现。如下图所示:在该模型中我们将wide模型由于特...原创 2018-08-21 10:28:17 · 1676 阅读 · 1 评论 -
简单的意图分析模型(2)-模型构建
1、概述在之前文章中已经对数据做了比较充分的处理,而且已经转化为张量,可以直接读取到tensorflow中进行训练。在本章中将构建神经网络模型来实现意图分析的训练与预测。2、构建神经网络为了更好的构建模型首先对输入数据进行简单分析,目前输入的每一个句子是由8个单词构成,每个单词都是一个300维的向量。而输出结果是一个整数的用于代表他们意图的编号。如下图所示:2.1 构建卷积神经...原创 2018-08-28 11:37:02 · 1472 阅读 · 0 评论 -
简单的意图分析模型(1)-数据处理
1、概述在聊天场景中有很多情况下需要对用户的意图进行分析。这些分析功能基本上就是自然语言分类模型的变种。从技术难度上来讲这种模型实现比较简单。但要保证效果主要受一下几个方面的制约。词向量的准确程度 语料的多少 模型的选择词向量是一个多维的坐标,用于在高纬度空间中的距离表示两个词之间的相似度。所以词向量能否准确的表示词与其相关词的关系会直接影响到整个神经网络的推理能力,以及对于新预料的...原创 2018-08-27 16:01:43 · 3740 阅读 · 0 评论 -
tensorflow 导入数据(1)
1、概述在tensorflow中的输入数据会有很多形式一般有一下几种形式数据以tf.constant的实行直接嵌入到graph中。在这种情况下一般数据量不会很大,应用场景也比较单一 以tf.placeholder与feed_dic的形式存在 在这种场景下,往往也需要将数据全部读入到内存,转换成tf的张量集合然后再进行处理。在进行大量数据处理时显得的力不从心。以pipel...原创 2018-07-27 18:24:29 · 660 阅读 · 0 评论 -
tensorflow 导入数据(3)
1、概述从文件读取数据时,往往是需要数据转换时,尤其对于多维数据,在使用文件形式进行存储时,除了tfrecord文件格式化,其他的文件的存储都显得无能为力。所以真正从文件读入的数据需要经过转换之后才能够使用。同样在tensorflow这种以小批次进行梯度下降的框架中,需要打乱数据以及对数据进行batch处理,本文主要讨论这些问题。2、使用Dataset.map() 预处理数据Datas...原创 2018-07-30 16:09:49 · 1929 阅读 · 0 评论 -
tensorflow 导入数据(2)
1、概述在前一篇文章中详细讨论了迭代器与数据集的相关内容。由于数据集与迭代器是链接原始数据与程序连接的渠道,所以本文主要讨论如何从原始数据中构建数据集,主要涉及以下场景:内存 TFRecord data 文本文件 csv文件2、从内存中读取数据如果所有的数据都以numpy数据组的形式预先保存到了内存当中,那么我们使用Dataset.from_tensor_slices()方法可...原创 2018-07-28 15:50:43 · 1209 阅读 · 1 评论 -
第七章:新版tensorflow入门,RNN与LSTM
1、概述传统的神经网络对线性回归、逻辑回归都有比较好的效果。卷积神经网络主要应用与计算机视觉技术。使用过滤器对图片的边缘特征值进行检测。在之前的章节中使用cnn对文本分类其实是借用了计算机视觉的一些原理,过滤器的尺寸也有着特殊的设置。在人工智能领域还有一种应用场景,就是序列模型。之前的算法总体上来讲都是概率分布学的,没有将数据的前后关系包含其中,而在实际的情况下,很多数据都是有时序关系的。比如自然...原创 2018-05-12 10:59:07 · 1258 阅读 · 0 评论 -
第五章:新版tensorflow入门,自定义模型(estimator)
1、概述新版tensorflow内置了六款模型,包含线性回归模型和逻辑回归模型,能够使用这些模型非常方便快捷的实现自己的业务需求。但如果内置模型不能满足我们的业务需求时,就需要我们来自定义自己的模型。如下图所示,预创建的 Estimator 是 tf.estimator.Estimator 基类的子类,而自定义 Estimator 是 tf.estimator.Estimator 的实例:模型函数...原创 2018-05-05 11:40:59 · 9407 阅读 · 3 评论 -
第四章:新版tensorflow入门,处理数据集
1、概述tensorflow对于数据的格式有着特殊的要求,另外所需要的数据量也是巨大,同样会有批量梯度下降这样的需求。为了保证数据的随机性,我们有时候还需要随机化数据分布。这样数据预处理就变得十分的关键。tensorflow提供了一系列的方法来帮助我们完成这样的工作。2、数据源在真实的人工智能场景中,数据源主要有两种:从 Numpy 数组中读取内存中的数据。从 csv 文件中读取行。在数据量在可接...原创 2018-05-04 18:49:15 · 725 阅读 · 0 评论 -
第三章:新版tensorflow入门,处理特征列
1、概述特征列是原始数据与模型之间进行链接的桥梁。一般来说,人工智能的本质是要进行权重与偏置的运算用来确定模型的形态。在使用之前的tensorflow版本时,都需要预先将数据进行类型、分布的处理,才能被人工智能模型所使用。而特征列的出现则使得数据处理的工作变得简单的多。2、特征列的作用特征列主要解决对用户数据进行预处理与特征化的处理,这种技术的出现主要是原始输入数据的多样性。如下图所示,您可以通过...原创 2018-05-04 11:38:56 · 3317 阅读 · 0 评论 -
第二章:新版tensorflow入门,使用检查点保存模型
1、概述和老版本的tensorflow一样,模型需要进行保存,而且这种保存方式是周期性的。因为在很多情况下,梯度会在局部最小值左右进行摇摆,也就是说,在很多情况下,最后一次训练的模型不见得是最优化的。2、保存模型我们可以在构建模型时,制定检查点保存的位置,首先我们可以用下面命令创建一个文件夹。可以在构建模型时加入参数classifier = tf.estimator.DNNClassifier(...原创 2018-05-04 10:31:30 · 1734 阅读 · 0 评论 -
第一章:新版tensorflow入门,对鸢尾花进行分类
1、背景2018年tensorflow进行了版本升级1.8.0,新版tensorflow对原来版本进行了进一步的封装,编程方式也与之前的内容有了很多的不同。本文介绍在新版TensorFlow 中解决鸢尾花分类问题。2、新版tensorflow的基本结构众所周知,人工智能的核心组成部分就是模型与数据,新版的tensorflow将这两个内容进行了更高级别的封装,如果不是定制化需求的很高的问题,我们都建...原创 2018-05-03 18:55:39 · 17337 阅读 · 2 评论