- 博客(10)
- 收藏
- 关注
RSS订阅原创 安装paddleOCR
1.安装错误：无法在控制台输出文字，提示编码错误解决办法：控制台输入export PYTHONIOENCODING=utf82.安装参考：链接1链接2链接3链接43.文本检测文本识别模型自行去github下载使用：tar -xf xx.tar命令解压...
2021-12-20 15:17:12
305
转载 TensorFlow矩阵基本操作及其实现
具体做法开始一个交互式会话，以便得到计算结果：tensorflow.eye()用于生成单位矩阵。用法：tensorflow.eye( num_rows, num_columns, batch_shape, dtype, name)参数：num_rows:它是int32标量张量，它定义了结果矩阵中存在的行数。num_columns(可选)：它是int32标量张量，它定义了结果矩阵中存在的列数。默认值为num_rows。batch_shape(可选)：它是Python整数或一维int32 T
2021-12-13 20:35:20
1089
转载 tensorflow程序结构
TensorFlow 支持以下三种类型的张量：常量：常量是其值不能改变的张量。变量：当一个量在会话中的值需要更新时，使用变量来表示。例如，在神经网络中，权重需要在训练期间更新，可以通过将权重声明为变量来实现。变量在使用前需要被显示初始化。另外需要注意的是，常量存储在计算图的定义中，每次加载图时都会加载相关变量。换句话说，它们是占用内存的。另一方面，变量又是分开存储的。它们可以存储在参数服务器上。占位符：用于将值输入 TensorFlow 图中。它们可以和 feed_dict一起使用来输入数据。在训
2021-12-10 19:04:20
245
原创 Tensorflow-6.合并与分割
tf.concat用来进行张量的拼接，tf.stack用来进行张量的堆叠，tf.split用来进行张量的分割，tf.unstack是tf.split的一种，也用来进行张量分割1.tf.concat参数axis代表将要合并的维度# 假设a代表四个班的成绩（每班35人，8个科目），b代表2个班的成绩a = tf.ones([4,35,8])b = tf.ones([2,35,8])# 使用concat进行合并得到6个班的成绩c = tf.concat([a,b],axis=0)# (6,35,8
2021-12-02 11:06:54
1091
原创 tensorflow-6.broadcasting与数学运算
1.broadcasting1.broadcast_to在某维度上进行扩张，但并未改变原数据eg. x@w+b(28784)(784,10)+(10)=(2810)这里将b的维度进行了扩张，变为（2810）key idea31：维度【0，2，3】均可进行相加，先将该维度上的1扩充到与a相同，再求和。但是 32和4 没有办法扩张到相同维度，所以不可以进行加和。2. tile10：[2,1,1]第一个维度扩充2次，第二第三个维度不变tile在内存上也进行了扩充，broadcast则在内
2021-11-29 14:16:07
1134
原创 tensorflow-4.维度变换
1.viewreshape，相当于pytorch里的view,没有改变数据本身87：将4*-1的向量恢复到42828*12.转置tf.transpose()perm=[0,1,3,2]原来的2维度变成3,原来的3维度变成2#3.tensorflow1.GPU加速2.自动求导3.可通过函数直接调用各种网络...
2021-11-29 10:32:45
708
原创 tensorflow-3.索引与切片
索引1.basic indexing2.numpy的索引形式a[1,2]=a[1][2]切片1.base2a[0]=a[0,:,:,:]
2021-11-27 15:03:18
549
原创 TensorFlow-2创建tensor
1.numpy转换成为tensor tf.convert_to_tensor(np.ones([2,3])) tf.convert_to_tensor([1,2])#shape=2 tf.convert_to_tensor([1],[2])#shape=2,1 2.tf.zerotf.zero([])numpy=0.0 shape=() 标量 tf.zero([1])numpy=[0.] shape=(1,) tf.zero([2,2])numpy=[[0,0 ],[
2021-11-26 15:11:31
486
原创 tensorflow-1.数据类型
1.python数据类型list[1,1.2,‘hello’,(1,2),layers]np.array[64,28,28,4]tf.Tensorscalar（标量：一个准确的数据类型，dim=0）:1.1vector：[1.1],[1.1,2.2,…]matrix :[[1.1,2.2], [3.3,4.4]] 两行两列tensor：rank>2 eg. 3维，4维2.TF数据类型int float doubleboolstring1
2021-11-26 14:16:05
449
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