TensorFlow
年轮陌羽
这个作者很懒,什么都没留下…
展开
-
TensorFlow程序:利用卷积神经网络(LeNet-5)模型实现MNIST数字识别
LeNet-5模型是Yann LeCun教授于1998年在论文Gradient-based learning applied to document recognition中提出的,它是第一个应用于数字识别问题的卷积神经网络。在MNIST数据集上,LeNet-5模型可以达到大约99.2%的正确率。LeNet-5模型总共有7层(不包括输入)。网上有很多关于卷积神经网络的讲解,这里就不细...原创 2018-05-08 20:42:28 · 1423 阅读 · 0 评论 -
TensorFlow程序-MNIST数字识别
该程序包括三个部分,第一个是mnist_inference.py,在该程序中定义了前向传播过程和神经网络中的参数。第二个是mnist_train.py,它定义了神经网络的训练过程,并且将模型持久化,保存的是训练完成后的最终模型;第三个是mnist_eval.py,它定义了测试过程,在该程序中用的是训练完成后的最终模型,对验证数据和测试数据进行测试。mnist_inference.py中程序如下:i...原创 2018-05-02 15:14:59 · 453 阅读 · 0 评论 -
TensorFlow程序-图像预处理流程
在训练之前完成图像预处理,包括图像片段截取、图像大小调整、图像翻转以及色彩调整的步骤。图像预处理程序如下:import tensorflow as tfimport numpy as npimport matplotlib.pyplot as plt#给定一张图像,随机调整图像的色彩。因为调整亮度、对比度、饱和度和色相的顺序会影响最后得到的结果,所以可以定义多种不同的顺序。具体#哪一种顺...原创 2018-05-04 15:00:21 · 1579 阅读 · 0 评论 -
TensorFlow笔记-制作自己的训练集,利用卷积神经网络模型进行训练、测试(完整流程)
在学习TensorFlow过程中,发现训练数据集(mnist)大都是直接从网上下载,直接加载到模型上。而如果我们大多时候需要用自己的图片进行训练、测试,为了解决这个问题,在网上看了很多教程,大概明白了制作自己训练数据集的过程。为此,以MNIST数字识别为例,总结一下训练神经网络模型的大致流程。主要包括以下几个部分:一. 制作自己的数据集 通常情况下,我们需要利用自己的图...原创 2018-05-11 18:21:23 · 66906 阅读 · 46 评论 -
TensorFlow程序-监控指标可视化
利用TensorBoard中GRAPHS栏、EVENTS栏、IMAGES栏、AUDIO栏和HISTOGRAMS栏可视化一些监控指标,将TensorFlow程序运行时的信息输出到TensorBoard日志文件中。import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_dataSUM_MARY_DI...原创 2018-05-05 18:16:18 · 1886 阅读 · 0 评论 -
基于TensorFlow实现AlexNet网络的构建、测试、微调过程
本文主要参照博客中内容实现AlexNet网络的构建、测试过程,利用自己的方法制作训练集来进行微调过程。本文主要介绍在TensorFlow框架下AlexNet网络的实现程序。下图是AlexNet网络的网络结构:1. AlexNet网络的构建过程:下面程序(注释)创建了一个类来定义AlexNet模型图,并带有加载预训练参数的函数#定义AlexNet神经网络结构模型import tensorflow...原创 2018-05-29 16:57:58 · 6409 阅读 · 8 评论