![](https://img-blog.csdnimg.cn/20190927151053287.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
TensorFlow
zxucver
这个作者很懒,什么都没留下…
展开
-
理解深层神经网络中的迁移学习及TensorFlow实现
什么是迁移学习在深度学习中,所谓的迁移学习是将一个问题A上训练好的模型通过简单的调整使其适应一个新的问题B。在实际使用中,往往是完成问题A的训练出的模型有更完善的数据,而问题B的数据量偏小。而调整的过程根据现实情况决定,可以选择保留前几层卷积层的权重,以保留低级特征的提取;也可以保留全部的模型,只根据新的任务改变其fc层。迁移学习的作用那么对于不同的任务,为什么不同的模型间可以做迁移呢?上面提到了,原创 2017-06-17 22:04:30 · 11984 阅读 · 17 评论 -
TensorFlow TFRecord数据集的生成与显示
TFRecord TensorFlow提供了TFRecord的格式来统一存储数据,TFRecord格式是一种将图像数据和标签放在一起的二进制文件,能更好的利用内存,在tensorflow中快速的复制,移动,读取,存储 等等。 TFRecords文件包含了tf.train.Example 协议内存块(protocol buffer)(协议内存块包含了字段 Features)。我们可以写一原创 2017-06-10 13:11:57 · 26289 阅读 · 26 评论 -
手把手教你如何应用TF-Slim快速实现迁移学习
这是一篇以实践为主的入门文章,目的在于用尽量少的成本组织起来一套可以训练和测试自己的分类任务的代码,其中就会用到迁移学习,TF-Slim库的内容,所以我们分为下面几个步骤介绍: 什么是迁移学习; 什么是TF-Slim; TF-Slim实现迁移学习的例程; 应用自己的数据集完成迁移学习。 实验环境:Win10+Python3.5+TensorFlow1.1什么是迁移学习:一般在原创 2017-10-31 19:29:47 · 8129 阅读 · 19 评论 -
TensorFlow 图像处理和解码操作函数概述
原地址:Module: tf.image翻译 2017-07-14 14:39:42 · 3786 阅读 · 0 评论 -
Windows系统配置TensorFlow教程
我为什么选择Windows系统: 其实我们没有必要过多纠结与到底使用Linux系统还是Windows系统来学习TensorFlow,因为不管是那个系统我们关注更多的还是框架本身的学习而已。Linux对于TensorFlow的支持一定是好过Windows的,但是作为一个初学者而言,它具体好在哪里在初期的学习阶段可能也不大能体现出来,再加上我对Linux系统并不熟悉,所以选择了更小的学习成本开始Ten原创 2017-05-28 06:12:06 · 3164 阅读 · 1 评论 -
TensorFlow-Slim图像分类库
TensorFlow-Slim图像分类库TF-slim是用于定义,训练和评估复杂模型的TensorFlow(tensorflow.contrib.slim)的新型轻量级高级API。 该目录包含了几种广泛使用的卷积神经网络(CNN)图像分类模型的训练和测试代码。它包含脚本,允许您从头开始训练模型或从预训练(pre-train)的模型进行fine-tune。 它还包含用于下载标准图像数据集的代码,将其转原创 2017-07-02 17:39:50 · 9730 阅读 · 8 评论 -
TensorFlow 网络优化步骤与一般方法
深度学习中,网络的优化是训练过程中很重要的一部分,现在有很多的优化策略,而他们的核心的内容都是梯度下降。 理论的部分大家可以参考: 理解梯度下降在机器学习模型优化中的应用,其中介绍了批量梯度下降,随机梯度下降与小批量梯度下降的基本概念。 An overview of gradient descent optimization algorithms,其中介绍了各种改进的优化方法,包括动量法,ad原创 2017-07-05 14:42:19 · 2092 阅读 · 0 评论 -
TensorFlow 组合训练数据(batching)
在之前的文章中我们提到了TensorFlow TensorFlow 队列与多线程的应用以及TensorFlow TFRecord数据集的生成与显示,通过这些操作我们可以得到自己的TFRecord文件,并从其中解析出单个的Image和Label作为训练数据提供给网络模型使用,而在实际的网络训练过程中,往往不是使用单个数据提供给模型训练,而是使用一个数据集(mini-batch)原创 2017-06-11 14:35:13 · 12687 阅读 · 0 评论 -
TensorFlow 图像预处理(一) 图像编解码,图像尺寸调整
TensorFlow提供了几类图像处理函数,下面介绍图像的编码与解码,图像尺寸调整。编码与解码图像解码与编码:一张RGB三通道的彩色图像可以看成一个三维矩阵,矩阵中的不位置上的数字代表图像的像素值。然后图像在存储时并不是直接记录这些矩阵中的数字,而是经过了压缩编码。所以将一张图像还原成一个三维矩阵的过程就是解码的过程,反之就是编码了。其实如果大家熟悉opencv的话,imread和imwrite就是原创 2017-06-12 11:34:22 · 33382 阅读 · 7 评论 -
TensorFlow 队列与多线程的应用
深度学习的模型训练过程往往需要大量的数据,而将这些数据一次性的读入和预处理需要大量的时间开销,所以通常采用队列与多线程的思想解决这个问题,而且TensorFlow为我们提供了完善的函数。实现队列在Python中是没有提供直接实现队列的函数的,所以通常会使用列表模拟队列。 而TensorFlow提供了整套实现队列的函数和方法,在TensorFlow中,队列和变量类似,都是计算图上有状态的节原创 2017-06-09 10:20:20 · 2492 阅读 · 0 评论 -
TensorFlow基本操作 实现卷积和池化
之前已经提到过图像卷积的操作和意义,并且用OpenCV中的filter2D函数实现了一些例子。OpenCV中的filter2D函数仅仅是用一个卷积核去卷积单个的图像矩阵,而在TensorFlow中,卷积操作主要用于CNN中的卷积层,所以输入不再仅仅局限与三维或一维的矩阵,卷积核的个数不再是单个,输出的通道数=卷积核的个数,为此TensorFlow提供了tf.nn.conv2d函数实现了一个卷积层的卷原创 2017-06-17 13:47:41 · 8362 阅读 · 6 评论 -
TensorFlow 图像预处理(二) 图像翻转,图像色彩调整
图像翻转 tf.image.flip_up_down:上下翻转 tf.image.flip_left_right:左右翻转 tf.image.transpose_image:对角线翻转 除此之外,TensorFlow还提供了随机翻转的函数,保证了样本的样本的随机性: tf.image.random_flip_up_down:随机上下翻转图片 tf.image.random_flip原创 2017-06-12 15:55:36 · 24360 阅读 · 3 评论