TensorFlow
文章平均质量分 64
TensorFlow框架
James.TCG
尽量多积累一些东西吧,学海无涯
展开
-
YOLOV7 :检测测试
速度和精度较之前版本都有很大提高.在5 FPS到160 FPS范围内的速度和精度达到了新的高度,并在GPU V100上具有30 FPS或更高的所有已知实时目标检测器中具有最高的精度56.8%AP。YOLOv7-E6目标检测器(56 FPS V100,55.9% AP)比基于Transform的检测器SWINL Cascade-Mask R-CNN(9.2 FPS A100,53.9% AP)的速度和准确度分别高出509%和2%,以及基于卷积的检测器ConvNeXt-XL Cascade-Mask R-CNN原创 2022-07-20 11:32:06 · 941 阅读 · 0 评论 -
Tensorflow2.0: tf.Keras之简单卷积神经网络模型构建
先介绍训练所使用的数据集iris鸢尾花数据集(iris)是常用的分类实验数据集,有Fisher与1936年收集整理。iris包含150条数据,3个类别(Setosa,Versicolour,Virginica),每类50条数据,每条数据包含4个数值属性(花萼长度,花萼宽度,花瓣长度,花瓣宽度)。从sklearn数据库可导入iris数据集:from sklearn.datasets import load_irisdata = load_iris()data是Bunch类型的参数,Bu.原创 2020-08-19 11:51:24 · 1065 阅读 · 0 评论 -
Tensorflow2.0:TFRecord带标签数值数据读写【2】
1、数据写入带标签数据除了创建特征Feature之外,还要创建context标签特征数据集 Feature Label 1 1 2,2 2 3,3,3 3 4,4,4,4 4 5,5,5,5,5 5 1 6 2,2 7 3,3,3 8 4,4,4,4 9 sequences = [[1], [2, 2], [3, 3, 3], [4, 4, 4, 4], [5, 5, 5, 5, 5],原创 2020-08-01 17:46:42 · 586 阅读 · 0 评论 -
Tensorflow2.0:TFRecord数值数据保存【1】
1、单组列表数据集的存储数据列表:seq 创建单个特征:tf.train.Feature(列表) 创建特征列表:tf.train.FeatureList 嵌入序列实例:example = tf.train.SequenceExample 保存:seq_writer = tf.io.TFRecordWriter("filename");seq_writer.write(example.SrializeToString())import tensorflow as tf#创建单序列数据集se原创 2020-08-01 15:53:50 · 541 阅读 · 0 评论 -
Tensorflow2.0: tf.Keras常用方法batch()、map()、shuffle()、repeat()
1、tf.data.Data.from_tensor_slices(data).batch(size)将data数据进行切片,并在引用时按size大小输出迭代。data = [[0,0,0,0,0],[1,1,1,1,1],[2,2,2,2,2]]dataset = tf.data.Dataset.from_tensor_slices(data).batch(1)for index,line in enumerate(dataset): print(index," ",line)原创 2020-07-31 17:56:05 · 3728 阅读 · 0 评论 -
Tensorflow2.0: tf.Keras之自定义残差网络
残差网络结构如下图所示。和指定以全连接网络一样,需要定义__init__,build,call函数: https://mp.csdn.net/console/editor/html/107713858这里的输出out引用了上一步的conv结果:out = relu(conv)+conv def call(self, input_tensor): conv = tf.nn.conv2d(input_tensor, self.weight, strides=[1, 2, 2,原创 2020-07-31 15:47:38 · 1326 阅读 · 0 评论 -
Tensorflow2.0: tf.Keras之自定义全连接层
自定义的全连接层至少需要实现build、call以及初始化函数:__init____init__函数:进行一些必要的参数的初始化 build函数:声明需要更新的参数,如权重、偏置等 call函数:主要网络的实现import tensorflow as tfimport numpy as npfrom sklearn.datasets import load_irisdata = load_iris()iris_data = np.float32(data.data)iris_targe原创 2020-07-31 15:19:12 · 1826 阅读 · 0 评论 -
Pycharm中tensorflow-gpu 运行时出错:Blas GEMM launch failed
在console、Terminal、以及Debug下运行脚本时会占用GPU,也就是说,同一时间只能由一个脚本占用GPU,第二个只能报错:Blas GEMM launch failed统统关闭即可此时运行成功原创 2020-07-30 15:25:17 · 742 阅读 · 0 评论 -
Tensorflow2.0: tf.Keras【1】网络构建
1.输入层拿28*28的图像来说,输入层可以写为:input_xs = tf.keras.Input([28,28,1])2.卷积层卷积层的特征提取:利用大小为3的卷积核,并通过padding补全,将其展开到32个通道,激活函数选择为tf.nn.relu。conv = tf.keras.layers.Conv2D(32,3,padding='SAME',activation=tf.nn.relu)(input_xs)3.正则化与池化层Batch_normalization和m原创 2020-07-31 14:51:06 · 368 阅读 · 0 评论