- 博客(8)
- 收藏
- 关注
RSS订阅原创 Keras：回调函数Callbacks应用
from keras.callbacks import TensorBoard, ModelCheckpoint, ReduceLROnPlateau, EarlyStoppinglogging = TensorBoard(log_dir=log_dir)checkpoint = ModelCheckpoint(log_dir + 'ep{epoch:03d}-loss{loss:.3f}-val_loss{val_loss:.3f}.h5', monitor='v...
2021-08-07 10:52:30
820
原创 详解常见的tensorflow，keras模型保存和加载
一定要看代码注释，这些模型格式可以互相转化，有兴趣自己查阅学习！Tensorflow1、CheckPoint(.ckpt) ：.ckpt方式保存模型，这种模型文件是依赖 TensorFlow 的，只能在其框架下使用（我很少使用这种，初学感觉文件好多，也不好理解）参考TensorFlow模型保存和提取方法保存：利用tf.train.Saver类实现模型的保存和加载，直接上代码！！！import tensorflow as tfv1 = tf.Variable(tf.cons.
2021-08-04 11:55:31
3039
原创 加载模型时 出现“Could not interpret optimizer identifier” ：******
这个问题 文章“Could not interpret optimizer identifier” error in Keras其实已经告知原因，我想把我的问题具体化一下，先上报错代码。from tensorflow.keras.models import load_modelimport kerasmodel =load_model("model.h5")opt ==keras.optimizers.rmsprop(lr=0.0001,decay=1e-6)model.compile(..
2021-08-04 11:14:09
15718
2
原创 解决 keras 中 model.evaluate（）方法RuntimeError: You must compile your model before training/testing报错的问题
model = keras.models.load_model("model.h5")test_loss, test_acc = model.evaluate(test_images, test_labels)可以看到这个代码，很符合model测试的逻辑，但是他依然会报错，我看到其他文章也有这样的代码，不清楚他们会不会报错，反正我这是出现了RuntimeError: You must compile your model before training/testing. Use `model.co..
2021-07-30 16:43:15
7388
原创 超级有用：针对python初学者，并根据最近做的机器人项目，浅谈机器视觉模型在实际项目的思路和框架（ancacode，tensrflow-gpu，opencv-dnn，andriod）
前言：我认为，对于一个开发者来说，最重要并不是急切的去实现它的功能，而是实现功能的一个整体框架和思路。近几天，通过阅读一些相关资料（阅读的不太多，希望有大佬有便捷的思路指点一下），做一些简单模型部署到andriod系统的学习心得，哈大家分享一下。研究时间较短，害怕忘记，想把这些想法和思路记录一下，今后深入研究还会继续完善。1...
2021-07-26 20:06:55
1099
1
原创 解决minGW32-make 编译opencv时 error: ‘std::_hypot‘ has not been declared using std::hypot；
在编译过工程中 出现 “ **/**/**/ （具体文件名） error: 'std::_hypot' has not been declared using std::hypot; ” 的错误 解决办法： 在具体文件名 中 的文件头 加入#define _hypot hypot我的报错时C:\mingw64\lib\gcc\x86_64-w64-mingw32\8.1.0\include\c++\math.h 出现这样的错误。如果在编译时 ...
2021-07-23 09:45:07
2235
1
原创 mnist数据集利用tensorflow（keras）模型训练，预测（内置数据集），保存，以及.h5转换为.pb再利用opencv-dnn模块的加载和预测（自己手写拍照后的本地数据集）
思路：1.先对数据集加载，并进行预处理。2.建立cnn模型（tensorflow）3.对模型进行训练，训练次数epoch和学习率learning rate根据最终预测结果可进行参数调整4.进行预测，这里先使用mnist取样后的测试集进行预测5.模型保存，再利用opencv-dnn模块读取并在本地数据集上预测（注意opencv有python和c++两个版本，如果在c++部署平台上，自行下载c++版opencv进行加载，本文使用opencv-python）环境：python3.7 .
2021-07-22 10:53:41
2276
11
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人