tensorflow
zcc_TPJH
I can fly high, I can go low!
展开
-
Tensorflow学习笔记(一)之多层感知机
import numpy as npimport sklearn.preprocessing as prep #对数据进行预处理import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_data#在自编码器中会使用到一种参数初始化方法,xavier初始化器的特点是会根据某一层网络的输入原创 2017-11-14 21:44:42 · 436 阅读 · 0 评论 -
特征图大小的计算
卷积中的特征图大小计算方式有两种,分别是‘VALID’和‘SAME’,卷积和池化都适用,当尺寸不被整除时,卷积向下取整,池化向上取整。 1.如果计算方式采用'VALID',则:其中为输出特征图的大小,为输入特征图的大小,F为卷积核大小,stride为卷积步长。2.如果计算方式采用'SAME',输出特征图的大小与输入特征图的大小保持不变,其中padding为特征图填充的圈...原创 2018-06-19 13:21:47 · 14342 阅读 · 3 评论 -
Multi-task learning of facial landmarks and attributes with Tensorflow(一)
数据集下载链接:http://mmlab.ie.cuhk.edu.hk/projects/TCDCN.htmlgithub地址:https://github.com/Mimsyy/Deep-learning-MTFL Multi-Task Facial Landmark (MTFL人脸数据库),这个数据库包括了12,995张人脸图片,每张图片都被做了一些标注。包括(1)5个人脸特...原创 2018-08-14 17:32:46 · 657 阅读 · 0 评论 -
Multi-task learning of facial landmarks and attributes with Tensorflow(二)
tensorflow数据读取机制tensorflow中为了充分利用GPU,减少GPU等待数据的空闲时间,使用了两个线程分别执行数据读入和数据计算。具体来说就是使用一个线程源源不断的将硬盘中的图片数据读入到一个内存队列中,另一个线程负责计算任务,所需数据直接从内存队列中获取。tf在内存队列之前,还设立了一个文件名队列,文件名队列存放的是参与训练的文件名,要训练 N个epoch,则文件名队...原创 2018-08-15 15:22:29 · 363 阅读 · 0 评论 -
Multi-task learning of facial landmarks and attributes with Tensorflow(三)
singleTask_att.py对人脸属性进行训练在main_simple.py中指定训练哪个属性:0:gender, 1:smiling, 2:glasses, 3:head_posenetwork = CNNSingleAtt(data, 50, 1) #batch size, attributesess = network.train_network(100, 0.9, T...原创 2018-08-16 14:31:19 · 313 阅读 · 0 评论 -
TensorFlow函数:tf.split与tf.squeeze
tf.split函数API原型(TensorFlow 1.8.0):tf.split( value, num_or_size_splits, axis=0, num=None, name='split')这个函数是用来切割张量的。输入切割的张量和参数,返回切割的结果。 value传入的就是需要切割的张量。 这个函数有两种切割的方式:以三...原创 2018-09-09 09:51:32 · 688 阅读 · 0 评论 -
could not create cudnn handle: CUDNN_STATUS_INTERNAL_ERROR
转载:https://blog.csdn.net/tangxianyu/article/details/80537942could not create cudnn handle:CUDNN_STATUS_INTERNAL_ERROR在CPU下运行没有问题,但是在GPU版本下,一直运行不成功。可以尝试限制一下GPU的运行资源,添加如下代码:config = tf.ConfigProt...转载 2018-10-25 11:02:21 · 417 阅读 · 1 评论 -
tf.data.Dataset
tf.data API带来了TensorFlow的两种新抽象:tf.data.Dataset : 表示元素的序列,其中每个元素包含了一个或多个Tensor对象。例如,一个图像数据管道中,一个元素可能是一个具有一对张量表示其图像数据和标签的训练样本 。有两个不同的方法创建dataset : 创造source (例如Dataset.from_tensor_slices()) 从一个或多个tf...原创 2018-11-01 15:26:27 · 856 阅读 · 0 评论 -
Tensorflow object detection API源码分析之如何处理数据
本文旨在分析Tensorflow object detection API读取到数据之后,如何进行一系列预处理操作整个预处理流程:1.批量读数据前,通过 data_augmentation_options 类指定预处理操作data_augmentation_options一系列预处理操作在samples/configs/ssd_mobilenet_v2_coco.config中指...原创 2019-02-27 18:29:09 · 1439 阅读 · 0 评论 -
Tensorflow object detection API源码分析之如何构建模型
模型的具体参数被定义在config文件中,如samples/configs/ssd_mobilenet_v2_coco.configmodel { ssd { num_classes: 90 box_coder { faster_rcnn_box_coder { y_scale: 10.0 x_scale: 10.0 ...原创 2019-02-28 14:07:55 · 1656 阅读 · 0 评论 -
Tensorflow object detection API源码分析之如何读数据
核心代码:object_detection/train.py关于TFRecord文件的位置一般在samples/configs/*.config中举例:samples/configs/ssd_mobilenet_v1_coco.configtrain_input_reader: { tf_record_input_reader { input_path: ...原创 2019-02-26 16:23:22 · 1125 阅读 · 0 评论 -
目标检测SSD+Tensorflow 训练自己的数据集
1.代码地址:https://github.com/balancap/SSD-Tensorflow,下载该代码到本地2.解压ssd_300_vgg.ckpt.zip 到checkpoint文件夹下3.测试一下看看,在notebooks中创建demo_test.py,其实就是复制ssd_notebook.ipynb中的代码,该py文件是完成对于单张图片的测试,对Jupyter不熟,就自己...原创 2018-06-04 18:32:38 · 62385 阅读 · 304 评论 -
Tensorflow实现回归(例子)
import tensorflow as tfimport numpy as npimport matplotlib.pyplot as plt#制造数据,加上随机噪声x_data = np.linspace(-0.5, 0.5, 200)[:,np.newaxis]noise = np.random.normal(0, 0.02, x_data.shape)y_data=np.squ...原创 2018-06-02 21:19:34 · 6935 阅读 · 0 评论 -
Tensorflow学习笔记----图像预处理
图像预处理通过对图像的预处理,可以尽量避免模型受到无关因素的影响。在大部分图像识别问题中,通过图像预处理过程可以提高模型的准确率图像预处理有很多过程。这里只介绍函数。方便使用。图像读取原始 tf.gfile.FastGFile().read()图像格式的编码解码 :图像不直接记录图像上的不同位置,不同颜色的亮度。而是记录压缩编码之后的结果。所以要还原成三维矩阵,需要解码。 tf.image.dec...原创 2018-04-23 22:21:49 · 890 阅读 · 1 评论 -
生成对抗网络DCGAN+Tensorflow代码学习笔记(一)----main.py
深度学习中对图像处理应用最好的模型是CNN,把CNN与GAN结合便产生了DCGAN。本文主要讨论tensorflow版本代码,代码地址为:https://github.com/Newmu/dcgan_code 本文主要研究main.py,该文件主要是调用定义好的模型,图像处理方法,来进行训练或者测试,是整个程序的入口。执行main函数之前首先进行flags的解析,TensorFlow底层使原创 2017-11-20 20:06:29 · 2588 阅读 · 1 评论 -
生成对抗网络DCGAN+Tensorflow代码学习笔记(二)----utils.py
utils.py主要是定义了各种对图像处理的函数,主要负责图像的一些基本操作,获取图像、保存图像、图像翻转,和利用moviepy模块可视化训练过程。相当于其他3个文件的头文件。"""Some codes from https://github.com/Newmu/dcgan_code"""from __future__ import divisionimport mathimport原创 2017-11-21 20:19:12 · 2770 阅读 · 1 评论 -
生成对抗网络DCGAN+Tensorflow代码学习笔记(三)----ops.py
ops.py主要定义了一些变量连接的函数、批处理规范化的函数、卷积函数、解卷积函数、激励函数、线性运算函数。import mathimport numpy as np import tensorflow as tf#导入tensorflow.python.framework模块,包含了tensorflow中图、张量等的定义操作from tensorflow.python.framewo原创 2017-11-21 20:27:33 · 3173 阅读 · 0 评论 -
查看tensorflow版本
import tensorflow as tfprint(tf.__version__)原创 2017-11-22 11:44:33 · 5975 阅读 · 0 评论 -
Tensorflow教程学习笔记(一)----将自己的数据集转换成TFRecord
How to transform our data into Tensorflow TFRecord?Transform into TFRecordRead and decode TFRecord, 这是一种将图像数据和标签原创 2017-11-23 13:35:34 · 4165 阅读 · 3 评论 -
Tensorflow学习笔记(六)几种常见的激活函数介绍及用matplotlib画图
1. 什么是激活函数如下图,在神经元中,输入的 inputs 通过加权,求和后,还被作用了一个函数,这个函数就是激活函数 Activation Function。 2. 为什么要用如果不用激励函数,每一层输出都是上层输入的线性函数,无论神经网络有多少层,输出都是输入的线性组合。如果使用的话,激活函数给神经元引入了非线性因素,使原创 2018-01-12 16:36:47 · 4787 阅读 · 0 评论 -
Tensorflow学习笔记(二)实现降噪自动编码器--设计计算图
import numpy as npimport tensorflow as tfimport osos.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'#Xavier均匀初始化''' 如果网络的权重初始化太小,信号在层间传递时逐渐缩小会难以产生作用,如果权重初始化过大,那信号在层间传递时会被逐渐放大,最终导致发散。 Xavier均匀初始化,这原创 2018-01-09 22:14:58 · 795 阅读 · 0 评论 -
Tensorflow学习笔记(三)实现降噪自动编码器--美化计算图
用tf.name_scope组织计算图,让他的层次更加清晰,更好看import numpy as npimport tensorflow as tfimport osos.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'# Xavier均匀初始化''' 如果网络的权重初始化太小,信号在层间传递时逐渐缩小会难以产生作用,如果权重初始化过原创 2018-01-10 13:44:32 · 922 阅读 · 0 评论 -
Tensorflow学习笔记(四)降噪自动编码器—运行会话,训练模型
import numpy as npimport sklearn.preprocessing as prepimport tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_dataimport osos.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'# Xavier均原创 2018-01-10 16:00:14 · 1351 阅读 · 0 评论 -
人工智能实践:Tensorflow笔记(三)
实现手写体 mnist 数据集的识别任务,共分为三个模块文件,分别是描述网络结构的前向传播过程文件(mnist_forward.py)、描述网络参数优化方法的反向传播过程文件( mnist_backward.py )、 验证模型准确率的测试过程文件(mnist_test.py)。在前向传播过程中,需要定义网络模型输入层个数、隐藏层节点数、输出层个数, 定义网络参数 w、偏置 b,定义由输入到输出的...原创 2018-04-15 18:06:46 · 551 阅读 · 0 评论 -
人工智能实践:Tensorflow笔记(一)
import tensorflow as tfa=tf.constant([1.0,2.0])b=tf.constant([3.0,4.0])result=a+bprint(result)#Tensor("add:0", shape=(2,), dtype=float32)import tensorflow as tfa=tf.constant([[1.0,2.0]]) #定义一个2 ...原创 2018-04-05 17:21:06 · 1026 阅读 · 0 评论 -
人工智能实践:Tensorflow笔记(二)
import tensorflow as tfimport numpy as npBATCH_SIZE=8SEED=23455#基于seed产生随机数rdm=np.random.RandomState(SEED)#从X这个32行2列的矩阵中 取出一行 判断如果和小于1 给Y赋值1 如果和不小于1 给Y赋值0#作为输入数据集的标签(正确答案)X=rdm.rand(32,2)#给标签...原创 2018-04-06 12:44:50 · 1336 阅读 · 0 评论