Tensorflow入门与实践
文章平均质量分 68
通过学习tensorflow,能够自己完成一个faster rcnn或者yolo这样的网络
coordinate_blog
这个作者很懒,什么都没留下…
展开
-
目标检测中的IOU计算问题
在目标检测中我们有一个基本的操作,形象表述就是画框框,我们要通过我们画的框把我们要标注的目标给框出来,如下面那个狗。我们既可以说这个狗被框出来了,但是也可以说没有,因为你可以观察到左边和上面是存在一些缝隙的。 那问题就出现了。什么样的框才算把目标给框住了呢?这个时候就有了IOU这个评价指标。什么是IOU? IOU想要描述的时黄框(检测到的结果)和绿框(标注的结果)重合的程度。用公式表示为原创 2017-12-15 18:03:41 · 17366 阅读 · 3 评论 -
tf.identity的作用
还是从一个例子开始讲起x = tf.Variable(0.0)x_plus_1 = tf.assign_add(x, 1)#对x进行加1操作#tf.control_dependencies的作用是:在执行y=x前,先执行x_plus_1with tf.control_dependencies([x_plus_1]): y = xinit = tf.initialize_al...原创 2017-12-14 15:40:26 · 9239 阅读 · 4 评论 -
TensorBoard计算图可视化
TensorFlow计算图功能强大但复杂。 图表可视化可以帮助您理解和调试它们。 这是一个可视化工作的例子。 命名空间和节点典型的TensorFlow图可能有成千上万个节点 - 太多的节点很难一次看到,甚至无法使用标准的图形工具进行布局。 为简化起见,变量名声明在作用域内,可视化使用这些信息来定义图中节点上的层次结构。 默认情况下,只显示该层次结构的顶部。 下面是一个使用tf.name_sco翻译 2017-12-09 08:38:08 · 2758 阅读 · 0 评论 -
tf.estimator 快速上手
TensorFlow的高级机器学习API(tf.estimator)可以轻松配置,训练和评估各种机器学习模型。 在本教程中,您将使用tf.estimator构建一个神经网络分类器,并在Iris数据集上对其进行训练,以基于萼片/花瓣几何学来预测花朵种类。 您将编写代码来执行以下五个步骤:将包含Iris训练/测试数据的CSV加载到TensorFlow数据集中构建一个神经网络分类器使用训练数据训练模翻译 2017-12-07 16:56:24 · 15385 阅读 · 3 评论 -
TensorBoard可视化学习
您将使用TensorFlow进行的计算 - 如训练大量的深度神经网络 - 可能会很复杂且令人困惑。 为了便于理解,调试和优化TensorFlow程序,我们包含了一套名为TensorBoard的可视化工具。 您可以使用TensorBoard来显示您的TensorFlow图形,绘制关于图形执行的量化指标,并显示其他数据,如图像。 当完全配置TensorBoard时,看起来像这样: 序列化数据Ten翻译 2017-12-07 16:22:02 · 866 阅读 · 0 评论 -
Tensorflow学习始于MNIST
本教程面向刚学习机器学习和TensorFlow的读者。 如果您已经知道MNIST是什么,以及softmax(multinomial logistic)回归是什么,那么您可能更喜欢这个速度更快的教程。 确保在开始任何教程之前安装TensorFlow。当学习如何编程时,首先要做的就是打印“Hello World”。 类似于编程中的Hello World,机器学习对应的是MNIST。MNIST是一个简单的翻译 2017-12-03 18:32:44 · 685 阅读 · 0 评论 -
深入研究MNIST
加载MNIST数据如果您正在复制和粘贴本教程的代码,请从这里开始,下面这两行代码将自动下载并读取数据:from tensorflow.examples.tutorials.mnist import input_datamnist = input_data.read_data_sets('MNIST_data', one_hot=True)这里mnist是一个轻量级数据集,它将训练、验证和测试集存储翻译 2017-12-03 18:34:08 · 5799 阅读 · 3 评论