tensorflow2.0
TF_Keras
学习ing
展开
-
[深度之眼]LeNet/AlexNet/VGGNet/InceptionNet/ResNet实现fashion_mnist分类
本文使用五种经典卷积神经网络,实现fashion_mnist十分类问题,并对比准确度和运行时间LeNet5 原理AlexNet8 原理VGGNet16 原理InceptionNet10 原理ResNet18 原理用到的包:import tensorflow as tfimport osimport numpy as npfrom matplotlib import pyplot as pltfrom tensorflow.keras.layers import Conv2D, Batc原创 2020-07-01 17:04:39 · 850 阅读 · 1 评论 -
[深度之眼]TensorFlow2.0项目班-猫狗图片分类
猫狗数据集官网猫示例:狗示例:训练集:猫狗各11500张图片验证集:猫狗各1000张图片难点:图片大小不统一,标签未配对首先加载需要的包:import tensorflow as tfimport osimport matplotlib.pyplot as pltprint(tf.__version__)因为官方数据集太大,本人的笔记本跑不动,手动将数据集删减至十分之一,有条件的小伙伴可以用GPU跑,准确度应该会比我高很多加载数据集,并查看数据结构和其中一张图片:data_d原创 2020-06-20 00:44:01 · 1180 阅读 · 2 评论 -
[深度之眼]TensorFlow2.0项目班-分类模型之自定义loss
准备工作:from __future__ import absolute_import, division, print_function, unicode_literalsimport tensorflow as tffrom tensorflow.keras.layers import Dense, Flatten, Conv2Dfrom tensorflow.keras import Modelimport numpy as np# 很奇怪,pycharm不加这段报错,anaconda原创 2020-06-10 00:08:29 · 465 阅读 · 0 评论 -
[深度之眼]TensorFlow2.0项目班-自定义层
自定义层的主要数据结构是layer,实现自定义层的最佳方法是拓展 tf.keras.layers.Layer类,分为三个部分:__init__ 进行与输入无关的初始化,定义相关的层build 知道输入张量的形状,并进行其余初始化call 定义前向传播通过iris数据集进行实验import tensorflow as tfprint(tf.__version__) # 查看tf版本tf.test.is_gpu_available() # 看GPU是否原创 2020-06-08 20:18:17 · 416 阅读 · 0 评论 -
[深度之眼]TensorFlow2.0项目班-原理之损失函数(CE,MSE)
TF2.0损失函数大全分类问题常使用交叉熵损失函数(CE,Cross Entropy)表征两个概率分布之间的距离定义为:例如一个二分类问题的答案是 y_=(1,0),预测 y1=(0.6,0.4) ,y2=(0.8,0.2),哪个预测的更准的?数学计算CE1 = CE((1,0),(0.6,0.4) = -(1*ln0.6 + 0*ln0.4) = 0.511CE2 = CE((1,0),(0.8,0.2) = -(1*ln0.8 + 0*ln0.2) = 0.223因为CE2<CE原创 2020-06-05 15:23:34 · 689 阅读 · 0 评论 -
[深度之眼]TensorFlow2.0项目班-回归模型之自定义loss
常用的损失函数分类问题:交叉熵 (CE,Cross Entropy)回归问题:均方根误差 (MSE,Mean Square Error)以一个简单的例子实现自定义loss假设某商品销售金额仅由变量x1和x2确定(y=x1+x2+噪声)用到以下tf函数:tf.where(条件,a,b) # 条件为真返回a,条件为假返回btf.greater(a,b) # 比大小,a>b 返回真,a<=b 返回假代码:import tensorflow as tfimport nu原创 2020-06-05 13:48:35 · 493 阅读 · 0 评论 -
[深度之眼]TensorFlow2.0项目班-模型保存之AutoGraph
TF的计算图分为三种:静态计算图(1.x)、动态计算图(2.x)和 AutoGraph(2.x)AutoGraph 可以把动态图转化为静态图保存,通过@tf.function实现,有以下三个注意事项:使用 tf 内部函数,避免直接使用python函数,因为无法嵌入进计算图避免定义 tf.Variable, 以为它是动态的,每次迭代都会更新不可以修改列表字典等数据结构代码:import tensorflow as tffashion = tf.keras.datasets.fashion_原创 2020-06-04 22:01:12 · 203 阅读 · 0 评论 -
[深度之眼]TensorFlow2.0项目班-模型训练之GradientTape
在iris鸢尾花分类的数据集上,用 tf.GradientTape 自定义模型训练的方式来训练模型将 model.fit 和 model.compile 分解import tensorflow as tffrom sklearn import datasetsfrom matplotlib import pyplot as pltimport numpy as npx_data = datasets.load_iris().datay_data = datasets.load_iris().原创 2020-06-03 22:27:14 · 630 阅读 · 0 评论 -
[深度之眼]TensorFlow2.0项目班-模型训练之Callbacks
在上次建立的模型基础上,加入callbacks机制分别实现了:模型参数保存、早停和动态学习率衰减import tensorflow as tffashion = tf.keras.datasets.fashion_mnist(x_train, y_train),(x_test, y_test) = fashion.load_data()x_train, x_test = x_train / 255.0, x_test / 255.0#函数模型inputs = tf.keras.Input(原创 2020-06-02 23:13:43 · 396 阅读 · 0 评论 -
[深度之眼]TensorFlow2.0项目班-三种思路构建fashion_mnist图像识别模型
[深度之眼]TensorFlow2.0项目班-三种思路构建mnist图像识别模型模型很简单,主要让大家区分三种建模思路的区别,直接上代码:import tensorflow as tffashion = tf.keras.datasets.fashion_mnist(x_train, y_train),(x_test, y_test) = fashion.load_data()x_train, x_test = x_train / 255.0, x_test / 255.0# 顺序模型mo原创 2020-06-01 23:54:26 · 552 阅读 · 0 评论 -
[深度之眼]TensorFlow2.0课程班之初体验
[深度之眼]TensorFlow2.0项目班-Tensor数据格式和创建方法UP主报名了深度之眼培训的TensorFlow2.0课程,老师讲的很好很全面,借此机会总结一下,养成不断打卡学习的好习惯。本篇为初体验,后续实时跟进。<1> tensor数据格式import tensorflow as tfmymat = tf.Variable([[7],[11]], tf.int32) # Variable标记为可训练print(mymat)运行结果:<tf.Variable '原创 2020-06-01 21:19:35 · 988 阅读 · 0 评论