tensorflow人工智能开发
文章平均质量分 91
专注深度学习框架tensorflow在人工智能中的开发与应用。
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(2)
1、概述在上一篇我们已经成功的安装了tensorflow与tensorflow 物体检测的API。下面我们将实现使用自定义数据集训练自己的对象检测模型。完成此类工作大概需要以下6个步骤1. 组织工程文件2. 组织训练数据集与标注文件3. 转化训练集为tf_record格式4. 配置训练流程 pipeline5. 监控模型训练过程6. 保存模型参数2、组织工程文件2.1 新建workspace文件夹用于存储所有的工程文件workspace 文件夹在object-detect文件夹下原创 2021-04-16 10:31:21 · 1433 阅读 · 4 评论 -
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 · 2564 阅读 · 1 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 · 1926 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 · 1199 阅读 · 1 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 · 652 阅读 · 0 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 · 1253 阅读 · 0 评论 -
第六章:新版tensorflow入门,卷积神经网络进行手写数字识别
1、概述新版的tensorflow的layer模块提供了更为简单的api,是我们能够非常快速的创建卷积神经网络。卷积神经网络被广泛的应用在计算机视觉的技术当中。现在要用卷积神经网络来进行手写数字的识别。可以使用minist数据集来进行本次卷积神经网络的训练。这个数据集包含6万张训练样本和1万张测试样本的图片。2、数据下载与数据结构分析可以使用下面命令下载数据# mnist数据集import te...原创 2018-05-07 10:53:58 · 424 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 · 9389 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 · 719 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 · 3311 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 · 1725 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 · 17330 阅读 · 2 评论