qq_40414818的博客

转载：https://www.jianshu.com/p/d4425b65c6e6ONNX 简述 ONNX是一种AI神经网络模型的通用中间文件保存方法(可以理解成AI世界的XML)，各种AI框架，Inference引擎，甚至OpenCV里面的dnn onnx相关的模块都可以解析ONNX文件并生成特定平台和运行框架所支持的神经网络模型。ONNX本身不是AI神经网络运行框架，只是AI神经网...

https://blog.csdn.net/zgcr654321/article/details/89674713泰勒展开式，可以近似的将复杂的函数用简单的函数表达，进而可以方便的进行求解在牛顿法中泰勒展开式可以根据当前的点，求解最优的下一点...

https://blog.csdn.net/WZZ18191171661/article/details/87886588

模型保存方法：saver = tf.train.Saver(tf.global_variables())下文中在cifar10数据中的模型保存以及测试：训练以及模型保存代码：#!/usr/bin/env python3# -*- coding: utf-8 -*-"""Created on Tue Jan 9 21:46:26 2018@author: lvedn...

数据集格式，将所有测试或者训练数据集各自保存在一个文件夹下：如下图：训练数据集制作.tfrecords格式数据集的代码：import osimport tensorflow as tffrom PIL import Image #注意Image,后面会用到# Imagenet图片都保存在/data目录下，里面有1000个子目录，获取这些子目录的名字classes = os...

    在读取tfrecords形式的数据集时报错，由于制作数据时存放的数据大小或者通道数与需要读取的不一致 

https://blog.csdn.net/marsjhao/article/details/72829635一、TensorFlow模型保存和提取方法1. TensorFlow通过tf.train.Saver类实现神经网络模型的保存和提取。tf.train.Saver对象saver的save方法将TensorFlow模型保存到指定路径中，saver.save(sess,"Model/m...

本文转载：https://blog.csdn.net/m0_37987687/article/details/80241893                    https://blog.csdn.net/heiheiya/article/details/81000756                     https://blog.csdn.net/candy_gl/articl...

该错误原因是输入与输出信息不对成，将3个值赋予两个值a,b=(1,2,3,4)将会报出该种类型的错误a,b,c,d=(1,2,3,4)为正确写法检查输入输出信息的对称性

 平均池化层def avgpool(x_tensor, pool_ksize, pool_strides):    return tf.nn.avg_pool(x_tensor, ksize = [1, pool_ksize[0], pool_ksize[1], 1], strides = [1, pool_strides[0], pool_strides[1], 1], paddin...

图像标准化tf.image.per_image_standardization(image)         这个操作计算(x - mean) / adjusted_stddev，其中mean是图像中所有值的平均值，以及adjusted_stddev = max(stddev, 1.0/sqrt(image.NumElements()))。          stddev是image...

         MobileNet v2在MobileNet的基础之上添加了类似ResNet网络结构，并在残差快内运用深度可分离卷积将残差快内将两个3x3的卷积核改为两个1x1和一个3x3的深度可分离卷积，该网络结构首先使用1x1的点卷积对输入图像的通道数目进行扩张，之后利用3x3的深度可分离卷积提取每一个通道的特征，最后再利用1x1的点卷积对特征进行通道压缩。其最终效果相比MobileNet ...

         在近几年随着人工智能的发展，基于神经网络的算法在计算机视觉、自然语言处理、语音识别等方面广泛应用。 神经网络模型的发展趋势越来越复杂。从最初的8层网络结构到100多层的网络结构。但其本质优化方法不变，大多为梯度下降法等优化方法。近几年神经网络的发展大部分原因是因为计算机计算能力的提升。在现有的神经网络中通常有上百万的参数。存在大量的参数冗余。 因此简化神经网络，使得神经网络可以在...

在神经网络训练中常会出现过拟合、欠拟合、梯度消失、梯度爆炸等现象。过拟合即为模型训练的效果太好，模型在训练集上的准确率大于在测试集上的准确率。通常原因有以下几点：（1）模型过于复杂，模型在很早在训练集上收敛，而在测试集上准确率较低。（2）训练时间太长，导致模型过拟合。常用的避免过拟合的方法：1、正则化方法L1和L2。L!正则化对权重的绝对值进行加和公式如下：L2正则化则...