TensorFlow
文章平均质量分 91
XS30
这个作者很懒,什么都没留下…
展开
-
深度学习——mAP 计算
0、引言本文仅作为学习mAP相关知识点的记录,主要参考博文为Bubbliiiing大佬所创作的以及百度飞桨相关在线课程,在此表示感谢睿智的目标检测20——利用mAP计算目标检测精确度1、IoU(交并比)在中学数学中,我们学习了交集、并集,而在深度学习中,使用交并的概念设计了交并比IoU用以评估预测质量,简单来说就是计算预测框与标注框的交集面积、并集面积,当IoU值越大时,则表明预测结果与标注结果越接近。公式如下图所示:2、Precision(准确率)T是True;F是False;P是原创 2021-01-03 22:04:36 · 3578 阅读 · 0 评论 -
Tensorflow 保存HDF5模型,并转换为tflite格式
0、引言由于nnc模型量化工具对tflite格式支持较好,同时还支持.caffemodel与.onnx格式(未测),故需在电脑上将训练完成的模型转换为tflite格式后再进行量化,生成kmodel格式模型供K210单片机使用。有关ncc_0.2相关使用,可以见该篇文章(留坑),或详见GitHub网页1、保存HDF5模型以下代码为HDF5手写数字识别的代码,模型采用全连接层构成,使用relu为激活函数,使用“Dropout”和“提前停止”两种方法防止模型过拟合,同时增加模型泛化能力。需要注意的是,由原创 2020-12-13 20:13:47 · 2662 阅读 · 1 评论 -
TensorFlow知识点备忘3(卷积与池化)
0、引言PS:本人初学,技术菜的抠脚,本博客仅对学习过程中遇到的知识点进行总结,如有错误,还望指出,谢谢。1、卷积2、池化3、参考资料原创 2020-11-02 01:44:53 · 1476 阅读 · 0 评论 -
TensorFlow入门训练笔记(三)——保存&加载模型
PS:1、本文旨在对TF学习过程进行备忘,本人菜得抠脚,故文章难免会有一定错误,还望指出,谢谢;2、本文程序代码使用Google TensorFlow所给出的官方入门教程;3、本文使用tf.keras,对模型进行构建与训练。1、在训练中保存模型参数(Cheakpoints)本文通过keras所提供回调参数(callbacks)中的模型检查点(ModelCheckpoint)保存模型训练中的权重数据。然后创建一个未经训练的模型,测试集显示新模型准确度约为10.5%,后将保存的权重加载,重新使用训练集评原创 2020-08-27 12:12:22 · 511 阅读 · 0 评论 -
TensorFlow知识点备忘2(拟合问题)
PS:本人初学,技术菜的抠脚,本博客仅对学习过程中遇到的知识点进行总结,如有错误,还望指出,谢谢。1、模型容量模型的容量或表达能力,是指模型拟合复杂函数的能力。数据拟合所采用的多项式次数越多,多项式就能更好的反映与数据之间的关系,但过多的次数会造成过度拟合,以及过多消耗计算资源,所以选择合理的模型,最大程度的增加模型表达的泛化能力,是非常重要的一件事。2、过拟合问题当模型容量过大时,可能会出现在训练集上表现良好,但测试集上表现较差的情况,这是由于训练模型还将额外的观测误差(噪声?)学习了进原创 2020-08-22 18:22:57 · 840 阅读 · 0 评论 -
TensorFlow入门训练笔记(二)——基本回归:预测燃油效率
PS:1、本文旨在对TF学习过程进行备忘,本人菜得抠脚,故文章难免会有一定错误,还望指出,谢谢;2、本文程序代码使用Google TensorFlow所给出的官方入门教程;3、本文使用tf.keras,对模型进行构建与训练。4、本文实现通过回归的方式,预测燃油效率MPG与车辆其他参数之间的关系,主要通过全连接层神经网络模型进行训练,在设定固定训练步长时,可能出现不收敛的问题,造成最终产生的模型预测效果甚至不如早期拟合度较高的部分,所以采取设定真实值与预测值平均误差阈值的方式,过大时自动停止训练,后用该原创 2020-08-12 20:28:45 · 548 阅读 · 0 评论 -
TensorFlow知识点备忘1
PS:本人初学,技术菜的抠脚,本博客仅对学习过程中遇到的知识点进行总结,如有错误,还望指出,谢谢。1、Softmax层功能:实现对神经网络输出结果进行归一化处理,将各结果概率限制在(0-1),并且概率和为1,同时对结果的置信度,转换为正值(使用以e为底的指数函数实现)。归一化公式见下图1实现 1:out1 = tf.random.normal([1,3])out2 = tf.nn.softmax(out1, axis=1) # 通过 softmax 函数转换为概率值print('out1原创 2020-08-04 21:28:23 · 290 阅读 · 0 评论 -
TensorFlow 入门训练笔记(一)——基本图像分类
PS:1、本文旨在对TF学习过程进行备忘,本人菜得抠脚,故文章难免会有一定错误,还望指出,谢谢;2、本文程序代码使用Google TensorFlow所给出的官方入门教程;3、本文使用tf.keras,对模型进行构建与训练。4、本文建立的前提是对模型构建与训练流程掌握,其中各部分原理不一定能完整表达。1、数据获取与预处理import tensorflow as tf # 导入tensorflowfrom tensorflow import kerasimport numpy as np #原创 2020-08-03 17:19:41 · 478 阅读 · 2 评论 -
tf.test.is_gpu_available() Out:False
问题描述:在安装完tensorflow GPU版本后,使用tf.test.is_gpu_available()验证是否安装成功时,输出False.一、出现这个问题,首先确定你的CUDA和Cudnn版本是否匹配,可参考下图所给出的表格(数据来源:TF官网二、其次查看环境变量是否配置完成(需要手动配置的有两个)三、如依然测试失败,输出文件显示False,则参考官网给出的信息警告中给出的信息大意是:不建议使用功能(tf.test.is_gpu_available())来进行测试,并会在将在未来的版本原创 2020-06-29 10:32:15 · 14382 阅读 · 7 评论 -
No matching distribution found for tensorflow 解决方法
首先在命令窗口中查看自己的python版本python --version如出现python3.7.0(3.5以上版本均有可能出现这个问题),python版本过高导致TensorFlow不能正确安装。此时需要安装低版本的python,如python3.5conda install python=3.5在等待安装完成后,重新查看自己的python版本,如显示python3.5.x,再进行...原创 2018-12-12 18:35:12 · 92763 阅读 · 5 评论 -
Windows安装TensorFlow方法,及错误解决方案
1. 下载anaconda点我跳转,此时你会遇到一个大坑,python版本问题,本人在Windows和ubuntu下均安装TensorFlow失败,均是此问题造成的(另外注意选择选择x64 还是x32 版本的anaconda)在安装过程中,会出现一个options页面,记得两项都要点击确定。2. 安装完成注意看python版本,此时我们的版本是3.7.0可以再运行中,输入CMD,进入...原创 2018-12-01 01:46:09 · 12200 阅读 · 17 评论