*使用开源的实现方案
*迁移学习(Transfer Learning)
*数据扩充
*Tensorboard使用
一、使用开源的实现方案
二、迁移学习(Transfer Learning)
例子:分类器:
采取的方法:
TensorFlow实现迁移学习:
三、数据扩充
随机裁剪:
彩色转换:
四、 Tensorboard使用
背景
在复杂的问题中,网络往往都是很复杂的。为了方便调试参数以及调整网络结构,我们需要将计算图可视化出来,以便能够更好的进行下一步的决策。Tensorflow提供了一个TensorBoard工具,可以满足上面的需求。
介绍
TensorBoard是一个可视化工具,能够有效地展示Tensorflow在运行过程中的计算图、各种指标随着时间的变化趋势以及训练中使用到的数据信息。可以查看TensorBoard Github ReadMe 详细阅读适应方法
简单的例子:
程序运行结果:
添加命名空间:
程序运行结果:
MNIST应用:
程序运行结果:
TensorBoard 显示的CNN 结构: