tensorflow2.0
糊涂懿
北京理工大学智能车辆研究所在读
展开
-
matplotlib无法显示中文
对于matplotlib无法显示中文,只显示一个几个方框,即以下情况:我找到了简单有效的方法,即在程序中加入以下代码即可:import matplotlib.pyplot as pltimport matplotlib as mplmpl.rcParams['font.sans-serif'] = ['Microsoft YaHei'] # 微软雅黑mpl.rcParams['font.serif'] = ['Microsoft YaHei']mpl.rcParams['axes.unico原创 2020-11-27 19:31:20 · 133 阅读 · 0 评论 -
【tensorflow2.0】keras高层接口
tf.keras.datasetstf.keras.layerstf.keras.lossestf.keras.metricstf.keras.optimizerstf.keras.metrics首先要新建一个Metrics;然后添加数据update_state;然后添加结果result().numpy();最后清零reset_states.1.新建一个测量值meteracc_meter = metrics.Accuracy() #准确度loss_meter = metrics.M原创 2020-11-21 16:06:52 · 177 阅读 · 0 评论 -
【tensorflow2.0】使用免费GPU加速训练
使用kaggle免费GPU加速运算https://www.kaggle.comKaggle Kernels就是一个能在浏览器中运行Jupyter Notebook的免费平台。只要有网络有浏览器就可以拥有Jupyter Notebook环境,不用自己设置本地环境。用户可以通过Kaggle Kernels免费使用NVidia K80 GPU.kaggle注册:直接注册会看不到验证图片,可以翻墙或注册雅虎账号(Yahoo),使用雅虎账号登录。...原创 2020-11-21 11:16:01 · 436 阅读 · 0 评论 -
【tensorflow2.0】图像定位
常见的图像处理的任务: 分类。给定一幅图像,用计算机模型预测图片中有什么对象。分类+定位。不仅需要知道图片中的对象是什么,还要在对象的附近画一个边框,确定该对象所处的位置。语义分割。对图像中的每一个像素点进行分类,而不仅仅是用矩形框框住。目标检测。也就是回答图片里面有什么,分别在哪里。如Faster R-CNN、YOLO等。实例分割。是目标检测和语义分割的结合,相对目标检测的边界框,实例分割可精确到物体的边缘;相对语义分割,实例分割需要标注出图上同一物体的不同个体。如Master R-CNN。原创 2020-11-20 22:57:38 · 571 阅读 · 0 评论 -
【tensorflow2.0】模型保存
1.模型的整体保存: 这是指将模型的所有东西都保存到一个文件中,包含权重值、模型配置(架构)、优化器配置 。这样,就可以为模型设置检查点,并稍后从完全相同的状态继续训练,无需访问原始代码。在keras中保存完全可正常使用的模型非常有用,可以在tensorflow.js中加载它们,然后在网络浏览器中训练和运行它们。keras使用HDF5标准提供基本的保存格式。model.save('less_model.h5')#参数为所要保存的路径,格式为h5#上面这个直接在当前目录下新建了一个less_mod原创 2020-11-18 22:23:19 · 1065 阅读 · 1 评论 -
【tensorflow2.0】预训练网络
预训练网络是一个保存好的之前已经在大型数据集(大规模图像分类任务)上训练好的卷积神经网络。预训练网络可以在一个小型数据集里进行训练,对特征进行提取分类,也可以叫做迁移学习。keras中内置了一些训练网络:VGG16、VGG19、ResNet50、Inception v3、Xception等经典的模型架构ImageNet是一个手动标注好类别的图片数据库,目前已经有22000个类别。ImageNet视觉识别比赛,也被称为ILSVRC。这个图片分类比赛是训练一个模型,能够将输入图片正确分类到1000个原创 2020-11-18 20:46:08 · 623 阅读 · 0 评论 -
【tensorflow2.0】卷积神经网络
可用tf.test.is_gpu_available()测试GPU是否可用,输出结果为True,则可用。卷积神经网络需要的是图片数据(四维:图片个数,一般可设置为none、图片的高、宽、Channel通道数),所以在进行数据预处理时,无需将其扁平化。因此需要先用expand_dims()对图片扩张维度。train_images = np.expand_dims(train_images, -1)那么train_images就从之前的(60000, 28, 28)变成了(60000, 28, 2原创 2020-11-06 23:29:12 · 758 阅读 · 0 评论 -
【tensorflow2.0】tf.data输入模块实例
准备工作:import tensorflow as tf#加载手写数字数据集(train_images, train_labels), (test_images, test_labels) = tf.keras.datasets.mnist.load_data()#将数据集归一化train_images = train_images / 255test_images = test_images / 255创建Dataset:ds_train_img = tf.data.Data...原创 2020-11-06 09:59:30 · 302 阅读 · 0 评论 -
【tensorflow2.0】tf.data模块
import tensorflow as tf1.一维列表建立的Dataset(1)建立一个Dataset:dataset = tf.data.Dataset.from_tensor_slices([1, 2, 3, 4, 5, 6, 7])dataset输出结果为<TensorSliceDataset shapes: (), types: tf.int32>,其中的shapes表示每一个元素的形状,在本示例中就是一个数字,所以括号里面没有显示。(2)使用这个Dataset(直原创 2020-11-04 16:11:38 · 245 阅读 · 0 评论 -
【tensorflow2.0】函数式API
(1)准备工作import tensorflow as tffrom tensorflow import kerasimport matplotlib.pyplot as plt%matplotlib inlinefashion_mnist = keras.datasets.fashion_mnist(train_images, train_labels), (test_images, test_labels) = fashion_mnist.load_data()#归一化train_im原创 2020-11-04 14:28:10 · 394 阅读 · 0 评论 -
【tensorflow2.0】softmax多分类代码实现
fashion mnist数据集是成为经典mnist数据集的简易替换。mnist数据集包含手写数字(0,1,2等)的图像,这些图像的格式与fashion mnist数据集中使用的服饰图像的格式相同。相对而言,这两个数据集比较简单,适合初学者。Fashion MNIST数据集包含70000张灰度图像,涵盖裙子、衬衫、裤子、鞋、包等10个类别。本示例将使用60000张图像训练网络,并使用10000张图像测试学习的网络分类图像的准确率。可以从tensorflow直接访问该数据集,只需要导入和加载数据即可。(原创 2020-11-04 13:51:23 · 643 阅读 · 1 评论 -
【tensorflow2.0】逻辑回归实现
线性回归预测的是一个连续值,逻辑回归给出的“是”和“否”的回答。原创 2020-11-03 19:10:30 · 505 阅读 · 0 评论 -
【tensorflow2.0】梯度下降算法、多层感知器(MLP)
梯度下降法梯度下降法是一种致力于找到函数极值点的算法,所谓“学习”就是改进模型参数,以便通过大量训练步骤将损失最小化。梯度的输出向量表明了在每个位置损失函数增长最快的方向。对于f(x) = ax + b:首先随机初始化a和b的很多值,然后计算它的梯度使z变小。每次改变a和b的大小就代表该模型的学习速度。代码model.compile(optimizer = 'adam'),adam优化算法默认了学习率为0.001。而在深度学习中,局部极值点从来都不是问题。多层感知器(MLP)单层神经元无法拟合“异原创 2020-11-03 11:13:05 · 874 阅读 · 0 评论 -
【tensorflow2.0】tf.keras概述
u绘画原创 2020-10-12 08:18:49 · 171 阅读 · 0 评论 -
【tensorflow2.0】框架概述
tf.keras是构建和训练模型的核心高级APIEager模式可以直接迭代和直观调试网络tf.data可以加载图片数据与结构化数据tf.fuction可以实现自动图运算原创 2020-10-10 20:10:26 · 224 阅读 · 0 评论 -
【tensorflow2.0】实例6
图片生成器的一个特性是可以把它指向一个目录,然后它的子目录将自动生成标签。from tensorflow.keras,preprocessing.imageimport ImageDataGenerator图片生成器在keras,preprocessing.image中,可以像如下这样实例化一个图片生成器。train_datagen = ImageDataGenerator(rescale = 1./255)train_generator = train_datagen.flow_from_di原创 2020-10-08 10:36:08 · 206 阅读 · 0 评论 -
【tensorflow2.0】实例5
import cv2import numpy as npfrom scipy import misci = misc.ascent()首先,将设置输入,然后从scipy库中导入misc库,misc.ascent会返回一张很好的图像。import matplotlib.pyplot as pltplt.grid(False)plt.gray()plt.axis('off')#不显示坐标轴#显示图片的第i个通道plt.imshow(i)plt.show()matplotlib包含了绘原创 2020-10-04 10:47:28 · 198 阅读 · 0 评论 -
【tensorflow2.0】实例4
course1 - part 6 - lesson2原创 2020-09-30 12:01:10 · 223 阅读 · 0 评论 -
【tensorflow2.0】实例2
import tensorflow as tfprint(tf.__version__)可以知道tf的版本,version前后都是两条下划线。mnist = tf.keras.datasets.fashion_mnist#获取fashion MNIST数据(training_images, training_labels), (test_images, test_labels) = mnist.load_data()Fashion-MNIST在tf中是作为一个有API的数据集存在。因此,只需要原创 2020-09-29 21:26:25 · 1018 阅读 · 0 评论 -
【tensorflow2.0】实例3
import tensorflow as tfclass myCallback(tf.keras.callbacks.Callback): def on_epoch_end(self, epoch, logs={}): if(logs.get('loss')<0.4): print("\nLoss is low so cancelling training!") self.model.stop_training = True这是让python回调的代码。它被原创 2020-09-29 21:58:17 · 364 阅读 · 0 评论 -
【tensorflow2.0】实例1
import tensorflow as tfimport numpy as npfrom tensorflow import kerasmodel = tf.keras.Sequential([keras.layers.Dense(units=1, input_shape=[1])])Dense定义一层相连的神经元,这里只有一个Dense,所以只有一层。units=1所以它是单个神经元。sequential表示是全连接层,而不是卷积层。model.compile(optimizer='sgd原创 2020-09-29 20:12:04 · 286 阅读 · 0 评论