weixin_44095417的博客

上期我们分享了LeNet与AlexNet的网络结构，今天我们来利用Tensorflow 2复现VGG16与VGG19的网络结构。VGG网络结构VGG16相比AlexNet的一个改进是采用连续的几个3x3的卷积核代替AlexNet中的较大卷积核（11x11，7x7，5x5）。对于给定的感受野（与输出有关的输入图片的局部大小），采用堆积的小卷积核是优于采用大的卷积核，因为多层非线性层可以增加网络深度来保证学习更复杂的模式，而且代价还比较小（参数更少）。VGG16包含了16个隐藏层（13个卷积层和3个

从这期开始，我们将开始基于Tensorflow 2逐步复现深度学习发展过程中的经典网络。这期我们将复现经典卷积神经网络中的经典——LeNet与AlexNet。CNN卷积的原理与池化的作用这里我们不过多介绍。一个卷积神经网络一般包含输入层、卷积层、输出层，但在真正使用的时候，一般会使用多层卷积去不断的提取特征，特征越抽象，越有利于识别。通常卷积神经网络还包含池化层、全连接层，以及最后的输出层。下面是一个Tensorflow 2实现的简单卷积神经网络。#普通cnn网络class Baseline(Mod

今天我们将基于tensorflow2.7深度学习框架构建UNet网络并实现建筑物遥感影像的语义分割。

前两期我们已经开始进行了简单的模型训练并且将训练好的模型进行保存与加载。模型保存与加载模型训练六步法今天我们将更进一步，构建卷积神经网络实现简单的图像分类任务。导入必要的库首先我们把我们的需要的库导入。import tensorflow as tfimport osimport warningswarnings.filterwarnings("ignore") # 警告过滤器from tensorflow.keras.optimizers import Adamfrom tensorf

今天我们将基于tensorflow2.X深度学习框架实现ResNet并训练自己的数据集。文章将分成以下几个部分。

点点关注不迷路什么是神经风格迁移神经风格迁移是将一幅图片的内容和另一幅艺术图片的风格结合，生成一张艺术化的图片的过程。输入是一张内容图和一张风格图，输出是风格化的结果。例如下面这样：代码解析下面我们就用tensorflow2.X来实现最早的神经风格迁移，实现我们自己的艺术创作。基本设置首先我们导入需要的库，影像以及设置一些需要的参数。图片来自于http://www.pexels.com/。import numpy as npimport tensorflow as tffrom tens

今天我们来实现迁移学习。迁移学习(Transfer learning) 顾名思义就是把已训练好的模型参数迁移到新的模型来帮助新模型训练。考虑到大部分数据或任务都是存在相关性的，所以通过迁移学习我们可以将已经学到的模型参数（也可理解为模型学到的知识）通过某种方式来分享给新模型从而加快并优化模型的学习效率不用像大多数网络那样从零学习。感兴趣的同学可以去了解一下迁移学习的基本概念。下面我们将用Tensorflow 2来完成一次迁移学习。部分内容与上期重复，可选择的跳过。导入必要的库import osim

今天我们来聊一聊神经网络的基础公式套路。我们将利用TF2来看一下通过调整神经元、神经层；更改权重初始化方法；加入正则化等几个方向来看一下对网络训练结果的影响。导入必要的库import tensorflow as tffrom tensorflow.keras import layersimport pandas as pdimport numpy as npfrom sklearn import preprocessing数据预处理feature = pd.read_csv("temps.

上一期我们介绍了模型训练的方法以及训练完成后的预测，今天我们来介绍下模型与参数的保存与调用。文章将分为以下几点：模型保存与加载网络架构保存与加载权重参数保存与加载模型保存与加载这里的模型保存将会同时保存网络结构与权重参数。model.save('./fashion_model/fashion.h5')当我们需要加载我们保存的模型时。model = keras.models.load_model("./fashion_model/fashion.h5")我们来用加载的模型进行预测。

前几期我们简单介绍了tensorflow 2的一些基本概念、知识等，希望对你们有所帮助。这期我们将开始最简单的项目做起，搭建网络进行训练，并加载模型测试我们的模型效果。感兴趣的朋友点点关注。我们完成一个神经网络项目一般的实现流程可以简单分为以下几步。导入必要的库加载数据集构建神经网络配置训练方法训练模型评价模型下面我们将一步步来实现我们的网络项目。导入必要的库在一开始，我们需要导入一些我们项目过程中所必须的库。import tensorflow as tf

我们在学习Tensorflow 2的过程中不仅会用到一些经典的数据集，还要学会使用自定义数据集。今天我们就来介绍下我们可以利用TF 2直接下载得到的数据集。tf.keras.datasets说到TF 2的内置数据集，那么就绕不开tf.keras.datasets。tf.keras.datasets中内置了七种深度学习的入门数据集：波士顿房价数据集、cifar10\cifar100、mnist\fashion_mnist、imdb、reuters。波士顿房价数据集该数据集包含美国人口普查局收集的美国马

今天我们介绍一下tensorflow2中内置的一些已经在imagenet上预训练好的网络结构。

上期我们简单了解了tensorflow 2的tensor以及它的一些基本数据类型。今天我们将对如何创建tensor进行一个详细的讲解。创建tensor的方法有很多，包括上期我们说的从numpy转换得到tensor方法也是其中一种。我们将详细阐述常见的tensor创建方法。感兴趣的同学点点关注，后期将有更多有关tensorflow的知识讲解与应用案例。tf.convert_to_tensortf.convert_to_tensor这个函数上期我们已经见到了。我们使用tf.convert_to_tenso

Tensorflow 2系列第一讲，我们从最基本的操作开始。今天我们将简单介绍TF 2张量、数据类型创建、数据类型格式转换等知识。感兴趣的同学不要忘了点赞，以及最后的在看哦。Eager ExecutionTensorflow使用eager execution以来，无疑使代码的复杂性大大降低。我们来对比一下早期tensorflow使用计算图的代码与当前eager execution的代码。# 计算图a = tf.constant([[1, 2], [3, 4]])w

大家好~从今天开始我们将会进行我们的系列教程——Tensorflow 2入门与实战。这将是我们的第一个系列教程，感兴趣的同学，可以点点关注！什么是Tensorflow 2？TensorFlow 是由谷歌在 2015 年 11 月发布的深度学习开源工具，我们可以用它来快速构建深度神经网络，并训练深度学习模型。运用 TensorFlow 及其他开源框架的主要目的，就是为我们提供一个更利于搭建深度学习网络的模块工具箱，使开发时能够简化代码，最终呈现出的模型更加简洁易懂。