![](https://img-blog.csdnimg.cn/20201014180756923.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
TensorFlow 2.0学习
X1996_
这个作者很懒,什么都没留下…
展开
-
TypeError: __array__() takes 1 positional argument but 2 were given
np.array(image,np.float32)语句出现TypeError: array() takes 1 positional argument but 2 were given错误时:把np.array(image,np.float32)改成:np.asarray(image).astype('float32')基础不好,我也不知道为什么,以前能跑的代码现在不能跑了,改了一天才改好,记录一下。...原创 2021-07-02 16:00:07 · 1998 阅读 · 0 评论 -
11 cnn简介
主要简单介绍卷积层和池化层池化层全连接层原创 2020-12-28 10:23:03 · 3687 阅读 · 0 评论 -
10 tf.data
学到这一节,内容整理的很乱tf.data主要是tensorflow里面数据输入Data类以及相关操作还有TFRecord文件的保存和读取所有代码在notebook中编写的数据处理代码Dataset类Dataset类读取numpy数据import tensorflow as tfimport numpy as npimport matplotlib.pyplot as pltmnist = np.load("mnist.npz")x_train, y_train = mnist原创 2020-12-27 23:39:31 · 129 阅读 · 0 评论 -
9 Tensorboard的使用
Tensorflow2.0下使用TensorBoard(Win10)一、keras版本下使用需要定义回调函数,并且设置参数各个参数的含义 log_dir:保存TensorBoard要解析的日志文件的目录路径。 histogram_freq:默认为0。计算模型各层的激活值和权重直方图的频率(以epoch计)。如果设置为0,将不会计算直方图。若想直方图可视化,必须指定验证数据(或分割验证集)。 write_graph:默认为True。是否在Tensor原创 2020-12-24 14:07:31 · 262 阅读 · 0 评论 -
8 自定义评估函数
自定义评估函数跟自定义损失函数差不多,本文自定义一个评估函数,返回正确的个数自定义训练from __future__ import absolute_import, division, print_function, unicode_literalsimport tensorflow as tffrom tensorflow.keras.layers import Dense, Flatten, Conv2Dfrom tensorflow.keras import Modelimport n原创 2020-12-23 19:27:41 · 176 阅读 · 1 评论 -
7 自定义损失函数
自定义损失函数这个实验需要用到mnist.npz数据集自定义训练和用自带的fit()函数训练好像差不多自定义训练头文件from __future__ import absolute_import, division, print_function, unicode_literalsimport tensorflow as tffrom tensorflow.keras.layers import Dense, Flatten, Conv2Dfrom tensorflow.keras im原创 2020-12-23 16:00:39 · 230 阅读 · 0 评论 -
6 自定义层
自定义的层名不要与自带的层重名from sklearn import datasetsimport tensorflow as tfimport numpy as npiris = datasets.load_iris()data = iris.datalabels = iris.target# 定义一个全连接层class MyDense(tf.keras.layers.Layer): def __init__(self, units=32, **kwargs):原创 2020-12-23 11:10:48 · 120 阅读 · 1 评论 -
5 模型保存与加载
一 keras模型保存与加载搭建模型并训练import numpy as npimport tensorflow as tfx_train = np.random.random((1000, 32))y_train = np.random.randint(10, size=(1000, ))x_val = np.random.random((200, 32))y_val = np.random.randint(10, size=(200, ))x_test = np.random.rando原创 2020-12-22 15:28:10 · 132 阅读 · 0 评论 -
4 自定义模型训练
构建模型(神经网络的前向传播) --> 定义损失函数 --> 定义优化函数 --> 定义tape --> 模型得到预测值 --> 前向传播得到loss --> 反向传播 --> 用优化函数将计算出来的梯度更新到变量上面去自定义模型训练 无评估函数import numpy as npimport tensorflow as tfdata = np.random.random((1000, 32))labels = np.random.random((100原创 2020-12-21 22:48:50 · 114 阅读 · 0 评论 -
3 keras版本模型训练
顺序模型from tensorflow.keras import layersimport tensorflow as tfimport numpy as npdata = np.random.random((1000, 32))labels = np.random.random((1000, 10))# 搭建模型model = tf.keras.Sequential()model.add(layers.Dense(64, activation='relu'))#第一层model.ad原创 2020-12-21 20:24:04 · 126 阅读 · 0 评论 -
Anaconda3安装tensorflow 2.0版本cpu和gpu安装,Win10系统
tensorflow是在anaconda上安装的,所以先安装anconda一、安装anaconda3我安装的是这一个,anaconda自带python,所以不需要单独安装python点击安装,一路next下去(图不是我安装的图,哈哈)安装位置可以自己更改,记住自己的位置就好添加环境变量不要勾,自己后面手动添加比较好,然后一直next下去,直到完成。然后配置环境:先找到自己的安装位置,我的是装在E盘,需要添加的路径有这四个:E:\Anaconda3E:\Anaconda3\Scripts原创 2020-09-21 18:35:14 · 1028 阅读 · 1 评论 -
2 三种建模方式
三种建模方法Sequential方法 顺序模型 函数模型 子类化模型函数式API方法Model子类化自定义模型一、Sequential model#第一种Sequential model、from tensorflow.keras import layersimport tensorflow as tfmodel = tf.keras.Sequential()model.add(layers.Dense(64, activation='relu')) #第一层model.add(lay原创 2020-09-13 15:57:28 · 1414 阅读 · 1 评论 -
1 张量的简单使用
原创 2020-09-13 13:33:35 · 113 阅读 · 0 评论