![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Tensorflow框架
X_Imagine
加油!!!
展开
-
Tensorflow框架 —— tf.ExponentalMovingAverage()
关于该函数,官方给出以下说明:When training a model, it is often beneficial to maintain moving averages of the trained parametes. Evaluations that use averaged parameters sometimes produce significantly better results than the final trained values.也即是说,当测试模型的时候, 使用参数原创 2020-06-14 16:44:45 · 354 阅读 · 1 评论 -
Tensorflow框架 —— 训练数据读取的几种方式
1. 概述深度学习训练的数据往往非常巨大,如何保证高效的加载数据,也是提升训练速度的关键。本文主要介绍如下几种训练数据加载方式:迭代器(iter() and next())队列读取TFRecord2. 迭代器class IterTest(): def __init__(self, data=1): self.data = data def __iter__(self): # 表明 IterTest是可迭代类 return self原创 2020-06-10 10:25:51 · 723 阅读 · 0 评论 -
Tensorflow框架 -- 模型的保存与恢复
一、模型保存tensorflow 模型保存类,初始化对象saver:saver = tf.train.Saver()def __init__(self, var_list=None, reshape=False, sharded=False, max_to_keep=5, keep_checkpoint_every_n_hours=10000.0,原创 2020-06-03 17:50:22 · 552 阅读 · 0 评论 -
Tensorflow框架 -- tf.Graph()、tf.Session()、tf.GraphKeys()
tf.Graph下图是tensorflow大概的执行过程,分为数据端+静态图+执行。在Tensorflow框架中,用计算图来构建网络,用会话来具体执行网络。深入理解了这两点,我想,对于Tensorflow的设计思路,以及运行机制,也就略知一二了。图(tf.Graph):计算图,主要用于构建网络,本身不进行任何实际的计算。计算图的设计启发是高等数学里面的链式求导法则的图。我们可以将计算图理解为是一个计算模板或者计划书。会话(tf.session):会话,主要用于执行网络。所有关于神经网络的计算都在这里原创 2020-05-15 16:14:08 · 982 阅读 · 0 评论 -
Tensorflow框架 -- 硬件资源的分配
1、为什么使用指定设备为了更好的使用电脑的硬件资源,所以不同类型的数据,存放硬件的位置有差别 。。。。2、 tf.device的作用为tensorflow指定可用设备,包括CPU和GPU设备。3、实例演示指定设备进行变量分配和运算。import tensorflow as tfwith tf.device('/cpu:0'): # 指定设备,'/gpu:id':指定使用gpu v1 = tf.constant([1.0, 2.0, 3.0], shape=[3], name='v原创 2020-05-09 11:40:03 · 291 阅读 · 0 评论 -
Tensorflow框架 -- BN的用法
一、基本原理二、tensorflow 接口conv = tf.layers.batch_normalization(conv, training=is_training, name=scope.name + '_bn')三、实际使用1. 训练训练过程中,需要添加如下代码,目的是保证滑动均值和方差的不断更新。update_ops = tf.get_collection(t...原创 2020-04-26 10:50:11 · 652 阅读 · 0 评论 -
Tensorflow框架 -- 使用C++ API 接口
本文主要使用介绍使用 tensorflow API接口的基本流程,配合OpenCV读取图像数据。#define COMPILER_MSVC#define NOMINMAX#define PLATFORM_WINDOWS#include "tensorflow/core/public/session.h"#include "tensorflow/core/platform/env.h"...原创 2020-03-23 16:47:19 · 971 阅读 · 0 评论 -
Tensorflow框架 -- Dropout的用法
1、Dropout的作用Dropout通过随机失活神经元,缓解网络过拟合,起到正则化作用。2、相关函数def tf.nn.dropout(x, keep_prob, noise_shape=None, seed=None, name=None) # x: 该层的输入层; # keep_prob: 保留输入元素的比例,同时将保留的值缩放为1/keep_prob; # noi...原创 2019-12-05 15:16:58 · 3911 阅读 · 0 评论 -
Tensorflow框架 -- 学习率的设置
深度学习的训练中,学习率的初始值对训练的最终结果有着较大的影响,过大或过小的学习率可能使得网络无法收敛,或者收敛很慢,因此需要选择合适的初值,并且要合理的降低学习率;参考博客:https://www.cnblogs.com/chenzhen0530/p/10632937.html下面主要介绍如下几种常见的学习率衰减方式:指数衰减 分段常数衰减本文主要是tensorflow中学习率衰...原创 2019-10-17 17:28:46 · 512 阅读 · 0 评论 -
Tensorflow 框架 -- Summary的用法
1、summary的功能记录tensorflow训练过程中各种信息,比如loss,accuracy, learning rate等。配合tensorboard可以监测训练过程。2、相关函数tf.summary.scalar()用来显示标量数据,格式为:tf.summary.scalar(tags, values, collections=None, name=None)例如:tf.s...原创 2019-09-25 15:14:12 · 1034 阅读 · 0 评论