Deeplearning4j - 使用nd4j导入tensorflow模型

这篇博客介绍了如何利用Deeplearning4j的nd4j库导入和运行TensorFlow 1.4及更高版本的模型。文中详细展示了从读取模型文件、关联数据到进行预测和结果判断的过程。还提到了预览版目前仅支持CPU运行,不支持GPU加速,并提供了一个MINST手写数字分类模型的示例代码。
摘要由CSDN通过智能技术生成

Deeplearning4j - 使用nd4j导入tensorflow模型

在dl4j-example里面新增了模型导入的例子,这里简单的说一下。


在dl4j新版本的特性介绍:https://github.com/deeplearning4j/deeplearning4j-docs/blob/releasenotes_100a/releasenotes.md 中,对于nd4j的模型导入进行了特别强调。

ND4J: New Features

Technology preview of tensorflow import added (supports 1.4.0 and up)

其中一项就是对于tf模型的导入提供了功能预览版本,所支持的tf版本为1.4版本及其以上。

并于最近增加了导入tensorflow模型的示例代码,导入模型为 MINST 手写数字分类模型。从代码注释上面来看,因为是预览版本,目前只支持cpu运行,还不支持gpu的加速。

资源文件列表.png-23.3kB

并且提供了如上的文件,用于本次示例的测试。

  1. freeze_model_after.py 和 generate_model.py 是生成模型的 python 文件。
  2. frozen_model.pb 为tensorflow的模型文件
  3. input_*.csv 和 input_*.shape为配套的特征数据文件。csv文件存放的是特征数据,一个特征一行;shape文件保存的是输入模型时的形状。
  4. prediction 文件同理,为预测的标签数据文件。

注: 使用该示例的时候,最好 IDE 已经安装了的相对的 lombok 插件。

资源文件夹

 //Python code for this can be found in resources/import/tensorflow under generate_model.py and freeze_model_after.py
//Input node/Placeholder in this graph is names "input"
//Output node/op in this graph is names "output"
public final static String BASE_DIR = "i
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值