![](https://img-blog.csdnimg.cn/20201014180756913.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
tensorflow
h8832077
这个作者很懒,什么都没留下…
展开
-
[tensorflow应用之路]模型的存储、读取和预测(c++/python)
之前的文章中讲了如何使用tensorflow源码编译一个c++版的动态库。同时留下了一个问题:能否在C++中读取预先训练好的模型呢?———答案是肯定的。 下面,就来一一介绍tensorflow模型在python中的存储和读取,在c++中的读取方式。为什么不讲如何用C++去存储一个模型呢?因为不建议大家用c++训练模型,其中的原因有三点:其一,基本上99%的tensorflow神经网络都是用p原创 2018-01-08 18:55:10 · 9900 阅读 · 5 评论 -
[tensorflow 应用之路]Batch Normalization 原理详解及应用方法
BN是2015年由Sergey Ioffe提出的方法,旨在消除前一层的不当参数对本层训练的影响。优于各个层的卷积核参数不同,根据反向传播法则我们知道,||W||||W||||W||及结果||h||||h||||h||越大对梯度的影响也就越大,这会导致各层的参数更新差异比较大,使得学习率变得很难选定。 https://zhuanlan.zhihu.com/p/34879333 具体实现其实非常简...原创 2018-10-11 19:49:53 · 1734 阅读 · 1 评论 -
[更新]windows 环境下编译tensorflow 1.9及下载 ( CUDA 9.1 + CUDNN 7.0)
https://github.com/tensorflow/tensorflow/issues/19898原创 2018-09-17 18:13:27 · 1261 阅读 · 1 评论 -
[tensorflow应用之路]10行代码实现一个完整的SVM分类器
SVM是一种常用的机器学习分类器模型,其原理为最大化类间隔(被称为支持向量),来达到分类的目的。它是一种有监督的模型。SVM原理简述SVM通过预测值y′=wx+by′=wx+by'=wx+b与真实值yyy之间的差值实现最大间隔分类。即 wx+b⩾1,y=1wx+b⩽−1,y=−1wx+b⩾1,y=1wx+b⩽−1,y=−1wx+b\geqslant 1 , y=1\\wx+b\l...原创 2018-06-28 14:37:22 · 11545 阅读 · 4 评论 -
[tensorflow应用之路]RNN预测时间序列原理及LSTM/GRU算法实现
RNN是对时间序列数据的一种预测算法,被大量用于金融市场估计、视频序列处理、行为预测等课题中。说起来复杂,实际上和普通的一维神经网络没什么区别,还是权重偏执那一套。那么怎么将上个时间中的知识传下去呢?RNN中有个状态变量(cell state),上一时间的状态变量和输入数据一起,共同组成本次时间的输入。 常用的RNN结构有LSTM(Long Short-Term Memory, 长短期记忆网络)...原创 2018-06-05 19:46:39 · 11241 阅读 · 3 评论 -
[tensorflow应用之路]卷积层conv2d中的padding参数辨析
卷积层是所有深度卷积网络的基础。有同学发现,卷积后的图像稍稍偏移,卷积结果就会发生巨大的变化,这是由于padding参数造成的,今天我们就来讲讲这个现象和对应的解决方法。卷积层的各个参数的官方解释是这样的:Arguments: inputs: Tensor input. filters: Integer, the dimensionality of the output s...原创 2018-05-24 20:00:20 · 4484 阅读 · 0 评论 -
[tensorflow应用之路]如何用少量标注训练样本?将GAN用于半监督(上)
我们用tensorflow应用于实际项目中时,常常会遇到一种情况:我们有很多的数据,但是只有很少的标注。因为标注需要很多时间。这时我们可能会想到用半监督(semi-supervise)的方法训练数据。但是半监督需要将无标签(unlabeled)的数据用于训练中,这是一个很困难的事情。恰好,最近有一种很火的方法——生成对抗网络(Generative Adversarial Nets,GAN)——中有关原创 2018-03-15 19:22:02 · 4182 阅读 · 2 评论 -
[tensorflow应用之路]什么是深度神经网络——通过实现简单的神经网络理解DNN
在之前的文章中,我们学习了如何使用tensorflow保存和载入一个深度神经网络,如果是抄别人的网络然后用一下,这些知识肯定足够了。但对于学习tensorflow的大多数算法工程师们来说,不自己实现一个深度网络肯定是浑身难受。本章将介绍深度神经网络中最基本的四个概念: - 前向预测(forward propagation) - 激活和损失函数(activation fu...原创 2018-02-08 11:04:10 · 3493 阅读 · 0 评论 -
[tensorflow应用之路]目标检测中mAP的概念及使用
本文详细讲述了何为mAP,为何用它来定义目标检测算法的精度,以及mAP的计算方法原创 2019-01-02 22:31:17 · 3618 阅读 · 4 评论