m0_37663944的博客

在进行数据拟合的时候，需要输出信息。自定义回调函数可以输出你想要的消息。先创建网络结构from __future__ import absolute_import, division, print_function, unicode_literalsimport tensorflow as tf# Define the Keras model to add callbacks tod...

首先需要创建输出列表model = Model(inpt, [out1, out2, out3])然后标签也需要多个model.fit(image, [tar1, tar2, tar3], batch_size=1)详细代码import tensorflow as tffrom tensorflow.keras.layers import Conv2D, GlobalAverage...

《Densely Connected Convolutional Networks》提出了DenseNet，它用前馈的方式连接每一层与所有其他层，网络的核心结构为如下所示的Dense块，在每一个Dense块中，存在多个Dense层，即下图所示的H1～H4。各Dense层之间彼此均相互连接。不一定需要在Dense块中对每一个Dense层均直接进行相互连接，来缩小网络的结构；也可能可以在不相邻的D...

tf.data API允许使用简单，可复用的代码创建一个数据输入流。比如它可以从图像分布式文件系统中创建数据输入，在此过程中可以为每张图像添加随机噪声，随机抽取图像当作本次batch进行训练。tf.data API引入了tf.data.Dataset对象，它包含了一系列的元素（element），每一个元素有多个或一个components有两种方法创建数据集dataset:1.从内存或文件中的...

   该篇博客主要写tensorflow2的分布式训练方法。   tf.distribute.Strategy是一种可以GPU,TPU或者机器（电脑）并行运算的分布式训练方法。使用这个API只需少量代码就可以使用分布式训练。你也可以利用keras API使用tf.distribute.Strategy。# Import TensorFlowfrom __future__ import abs...

   已经使用tensorflow2实现了MobileNet系列的网络结构，在此做个记录。MobileNet v1   本节首先描述MobileNet的核心部分也就是深度可分离卷积。它其实就是将原来的卷积层分成了两部分，分解成深度卷积以及一个1x1的卷积即逐点卷积。也就是Depthwise+Pointwise两部分（注意Depthwise，不求不同channel的和）。以下是两部分图像： ...

  我们将在本篇博客实现Resunet。  首先上Unet图然后结合Unet和Resnet，就是一个新的网络。def bn_act(x, act=True): 'batch normalization layer with an optinal activation layer' x = tf.keras.layers.BatchNormalization()(x) ...

  本篇博客主要使用tensorflow2实现UNet。

本篇博客主要讲解tf.data.Dataset的batch，repeat，shuffle函数，最后着重讲它们之间的顺序使用问题。tf.data.Dataset官方文档batch函数讲解以下先创建一个Dataset类型import tensorflow as tft = tf.range(10.)[:, None]t = tf.data.Dataset.from_tensor_slice...