![](https://img-blog.csdnimg.cn/20201014180756930.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
tensorflow2.0
踩坑专业户
一位什么方向都瞎搞点的大二学生
展开
-
linux服务器后台训练模型(关闭终端之后训练也会继续)
使用nohup python train,py &命令进行训练,train.py是你的训练文件,默认会将信息打印在当前目录的nohup.out下,可以随时查看。训练之后断开终端再重新连接,输入nvidia-smi可以看到最后一行的20789就是我们的训练进程正在使用gpu啦...原创 2020-12-06 23:42:22 · 4059 阅读 · 0 评论 -
fashion_mnist识别的卷积网络实现
import tensorflow as tfimport numpy as npimport pandas as pdimport osimport timeimport matplotlib.pyplot as pltfrom tensorflow import kerasimport sklearn as skfashion_mnist = keras.datasets.fashion_mnist(x_train_all,y_train_all),(x_test,y_test)原创 2020-11-12 18:13:22 · 369 阅读 · 0 评论 -
keras.layers.Flatten讲解
keras.layers.Flatten(input_shape=[])用于将输入层的数据压成一维的数据,一般用再卷积层和全连接层之间(因为全连接层只能接收一维数据,而卷积层可以处理二维数据),原理如下input=keras.layers.Input(shape=[28,28])layers_Flatten=keras.layers.Flatten(input_shape=[28,28])(input)layers1=keras.layers.Dense(100,activation='relu')原创 2020-11-09 19:56:19 · 22223 阅读 · 7 评论 -
自定义loss函数和dense layer进行训练
大纲1.自定义损失函数进行训练2.自定义dense layer进行训练1.keras.layers.dense简介2.自定义实现1.自定义损失函数进行训练def customized_mse(y_true, y_pred):#自定义一个损失函数 return tf.reduce_mean(tf.square(y_pred - y_true))model = keras.models.Sequential([ keras.layers.Dense(30, activation='rel原创 2020-11-04 18:30:52 · 1720 阅读 · 0 评论 -
eager模式和Autograph计算图简介
原创 2020-11-02 23:36:52 · 317 阅读 · 0 评论 -
tensorflow创建常量与变量及其使用
目录1.创建常量1.用tf.constant创建一般常量1.创建矩阵型tensor.2.创建scalar(标量)3.创建字符和字符串矩阵2.创建ragged_tensor3.创建sparse_tensor2.创建变量3.文末总结1.创建常量1.用tf.constant创建一般常量1.创建矩阵型tensor.创建t = tf.constant([[1., 2., 3.], [4., 5., 6.]])# indexprint(t)print(t[:, 1:])print(t[..., 1]原创 2020-11-02 21:51:52 · 817 阅读 · 0 评论 -
超参数搜索(hyperparameter_search)
这篇博文中有详细介绍,点击跳转博文跳转原创 2020-11-01 17:12:46 · 1446 阅读 · 0 评论 -
wide&deep模型及稀疏特征和密集特征对比讲解
1.稀疏特征和密集特征2.wide&deep简介wide&deep模型曾被谷歌用来作为谷歌商店的推荐算法,就是根据你浏览了啥,分析之后给你推荐啥。google曾于 2016 年在DLRS上发表了一篇文章:2016-Wide & Deep Learning for Recommender Systems,模型的核心思想就是结合线性模型的记忆能力(memorization)和 DNN 模型的泛化能力(generalization),在训练过程中同时优化 2 个模型的参数,从而达到原创 2020-11-01 17:03:09 · 1652 阅读 · 2 评论 -
5种模型构建解决回归问题(california房价预测)
用tf.keras构建模型处理房价预测问题1.引入所需要的包2.从sklearn.datasets中调用数据集输出3.对数据集进行train,valid,test的划分输出4.对数据进行标准归一化5.模型的构建及训练1.一般单层级网络模型1.构建模型2.模型训练3.绘制训练曲线4.模型评估2.用函数式api构建wide&deep模型1.构建模型2.训练模型3.绘制训练曲线4.模型评估3.用子类api实现wide&deep模型训练1.构建模型2.训练模型3.绘制训练曲线4.模型评估4.wide原创 2020-11-01 16:24:01 · 3395 阅读 · 2 评论 -
AlphaDropout和selu的使用
AlphaDropout(防止过拟合,一般放在最后几层)和selu(自带批归一化的激活函数,relu的进化版,批归一化,Batch Normalization,就是BN,一般用在线性层和卷积层后面)# tf.keras.models.Sequential()model = keras.models.Sequential()model.add(keras.layers.Flatten(input_shape=[28, 28]))for _ in range(20): model.add(ke原创 2020-11-01 11:22:02 · 2279 阅读 · 2 评论 -
tf2.0实现fashion_mnist分类
用tf.keras实现较深层神经网络和批归一化处理1.引入需要的包输出2.调用fashion_mnist数据集输出3.对数据进行标准归一化4.编写网络层输出5.调用callbacks函数,并开始训练。输出6.绘制训练曲线图输出7.最后来在测试集上测试模型好坏输出1.引入需要的包import matplotlib as mplimport matplotlib.pyplot as plt%matplotlib inlineimport numpy as npimport sklearnimpor原创 2020-11-01 10:58:53 · 544 阅读 · 0 评论 -
tensorflow2.0 fashion_mnist数据集实战
原创 2020-10-30 15:55:43 · 310 阅读 · 8 评论 -
分类问题与回归问题的目标函数
大纲1.为什么需要目标函数2.目标函数相关概念3.分类问题1.分类问题2.分类问题的损失函数one-hot编码分类问题的目标函数需要衡量目标类别与当前预测的差距分类问题损失值的求解方法4.回归问题1.回归问题2.回归问题的损失函数4.总结:模型的训练就是不断调整参数使目标函数变小的过程。1.为什么需要目标函数深度学习中参数是要不断调整的,其实学习的过程就是通过训练不断调整参数使模型更加能够适应去解决相应问题的过程。2.目标函数相关概念1.**损失函数(Loss Function )**是定义在单个样原创 2020-10-24 08:49:02 · 1997 阅读 · 0 评论 -
tensorflow-keras简介
大纲1.keras简介2.tensorflow-keras简介3.tf.keras和keras的联系4.tf.keras和keras的区别5.二者之间的选择1.keras简介keras是基于python的高级API.2.keras必须要以Tensorflow,CNTK或者Theano为后端才能运行,后端是可以切换的,现在多用tensorflow.2.tensorflow-keras简介1.Tensorflow对keras API更加规范2.tensorflow-keras和tenso.原创 2020-10-23 23:02:19 · 1392 阅读 · 0 评论 -
matplotlib基本操作(速成)
matplotlib1.安装2.基本使用1.安装直接打开命令行输入pip install matplotlib安装即可(速度慢的话可以用清华源)2.基本使用import matplotlib.pyplot as plt#引入matplotlib的pyplot模块import numpy as npa=np.arange(0.0,5.0,0.01)#构造一个0起始,5结束,0.01为间隔的numpy数组b=5*np.cos(a*np.pi*2)#其中的np.pi是圆周率plt.plot原创 2020-09-28 20:06:53 · 791 阅读 · 0 评论 -
数字图像基础(基本了解)
目录1.数字图像基本概念2.色彩图像1.数字图像基本概念像素:就是图像中的一个最小单位位图:通过记录每一个像素值来储存和表达的图像。色彩深度/位深度:位图中每个像素点要用多少个二进制位来表示。(8bit=1Byte)只要是仅有两种颜色的图像就都可以称为二值图像。2.色彩图像每个像素都有红(red),绿(green),蓝(blue),就是传说中的三原色rgb。在计算机色彩表示中0~255中红(绿,蓝)颜色逐渐加深。RGBA图像:RGB图像+8位透明度信息AlphaRGBA图像就是32原创 2020-09-28 17:07:28 · 902 阅读 · 0 评论 -
numpy基本用法讲解
目录1.创建数组的方法:2.数组的切片操作及改变数组形状的方法3.矩阵运算4.数组中元素运算操作1.创建数组的方法:最基本:a=np.array([1,2]),将传入的python列表转化为np数组,注意:源数据是ndarray数据时,array是创建一个新的数组,而 asarray仍旧使用原来的数据源。所以使用asarray创建的数组改变时,原数组也改变了,一般我们都用array.import numpy as npa=np.arange(0,10,2)#创建起始为0,结束为10,但是不包括1原创 2020-09-28 09:16:43 · 338 阅读 · 0 评论 -
tensorflow2.0---张量的创建以及tf的简单操作
目录1.tf2的'hello world'2.创建张量3.创建随机数张量--正态分布(tf.random模块)1.tf2的’hello world’在电脑上安装tensorflow2.0即可,安装教程网上很多,在此不再赘述。安装之后:import tensorflow as tf #引入tensorflowprint(tf.__version__) #查看tensorflow版本号print(tf.test.is_gpu_available())#如果是安装的gpu版本,用来查看g原创 2020-09-27 13:32:53 · 1162 阅读 · 0 评论