随笔分类 -  深度学习

解决ImportError: Keras requires TensorFlow 2.2 or higher. Install TensorFlow via `pip install tensorfl
摘要：参考链接：https://blog.csdn.net/weixin_41194171/article/details/108533199 阅读全文
posted @ 2021-03-15 21:04 喜欢爬的孩子 阅读(1167) 评论(0) 推荐(0)
ubuntu操作步骤留存备份
摘要： 阅读全文
posted @ 2021-03-11 20:54 喜欢爬的孩子 阅读(82) 评论(0) 推荐(0)
tensorflow 代码流程02
摘要：阶段1：变量的使用 """ __author__="dazhi" 2021/3/6-12:52 """ import tensorflow as tf import os os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' def variable_demo(): tf 阅读全文
posted @ 2021-03-07 20:48 喜欢爬的孩子 阅读(77) 评论(0) 推荐(0)
tensorflow 代码流程01
摘要：阶段1：正常情况实现加法运算 """ __author__="dazhi" 2021/3/5-12:35 """ import tensorflow as tf def tensorflow_demo(): """tensorflow Basic structure""" a = 2 b = 3 c 阅读全文
posted @ 2021-03-06 13:05 喜欢爬的孩子 阅读(89) 评论(0) 推荐(0)
深度学习进度09（验证码识别）
摘要：import tensorflow as tf import glob import pandas as pd import numpy as np # 1）读取图片数据filename -> 标签值 def read_picture(): tf.compat.v1.disable_eager_ex 阅读全文
posted @ 2021-03-03 08:15 喜欢爬的孩子 阅读(142) 评论(0) 推荐(0)
Tensorflow各种优化器比较
摘要：优化器总结： 机器学习中，有很多优化方法来试图寻找模型的最优解。比如神经网络中可以采取最基本的梯度下降法。 梯度下降法(Gradient Descent) 梯度下降法是最基本的一类优化器，目前主要分为三种梯度下降法：标准梯度下降法(GD, Gradient Descent)，随机梯度下降法(SGD, 阅读全文
posted @ 2021-03-02 22:26 喜欢爬的孩子 阅读(149) 评论(0) 推荐(0)
深度学习进度08（卷积神经网络实现cnn实现手写数字识别）
摘要：网络结构： 网络设计： 代码： import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data tf.compat.v1.disable_eager_execution() # 1、利用数据，在训练 阅读全文
posted @ 2021-03-01 07:52 喜欢爬的孩子 阅读(141) 评论(0) 推荐(0)
深度学习进度07（卷积神经网络）
摘要：对比： 历史： 比赛错误率： 结构： 卷积神经网络三个结构： 卷积层： 卷积核的四大要素： 卷积如何计算大小： 输出大小计算公式： 卷积层api 小结： 激活函数： 为神魔采用新的激活函数： 激活函数api： 池化层： 利用图像上像素点之间的联系 池化层的API： 计算例子： 阅读全文
posted @ 2021-02-28 13:21 喜欢爬的孩子 阅读(63) 评论(0) 推荐(0)
Tensorflow问题汇总
摘要： 阅读全文
posted @ 2021-02-27 13:38 喜欢爬的孩子 阅读(41) 评论(0) 推荐(0)
深度学习进度06（Mnist手写数字识别）
摘要：特征值： 目标值： Mnist获取数据API： 如何计算准确率： import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data def full_connection(): tf.compat.v 阅读全文
posted @ 2021-02-27 10:47 喜欢爬的孩子 阅读(86) 评论(0) 推荐(0)
深度学习进度05（TFRecords存储和读取、神经网络）
摘要：TFRecords存储和读取： 什么是TFRecords： Example结构解析： 写： def write_to_tfrecords(self, image_batch, label_batch): """ 将样本的特征值和目标值一起写入tfrecords文件 :param image: :pa 阅读全文
posted @ 2021-02-26 10:40 喜欢爬的孩子 阅读(157) 评论(0) 推荐(0)
深度学习进度04（文件读取、图片数据、二进制文件）
摘要：文件读取： 图片数据： 图片三要素： 张量形状： 图片特征值处理： 案例：狗图片读取： 在图像数字化表示当中，分为黑白和彩色两种。在数字化表示图片的时候，有三个因素。分别是图片的长、图片的宽、图片的颜色通道数。那么黑白图片的颜色通道数为1，它只需要一个数字就可以表示一个像素位；而彩色照片就不一样了， 阅读全文
posted @ 2021-02-24 21:02 喜欢爬的孩子 阅读(450) 评论(0) 推荐(0)
深度学习进度03（变量、api、案例：实现线性回归）
摘要：变量OP： 变量的特点： 创建变量： 修改变量的命名空间： API： 高级： 实现线性回归： 案例： 案例代码： def linear_regression(): """ 自实现一个线性回归 :return: """ with tf.compat.v1.variable_scope("prepare 阅读全文
posted @ 2021-02-24 12:25 喜欢爬的孩子 阅读(70) 评论(0) 推荐(0)
深度学习进度02（图和tensorboard、op、会话、张量）
摘要：图和tensorboard 什么是图结构： 图的相关操作 默认图： def graph_demo(): tf.compat.v1.disable_eager_execution() """ 图的演示 :return: """ # TensorFlow实现加法运算 a_t = tf.constant( 阅读全文
posted @ 2021-02-02 22:39 喜欢爬的孩子 阅读(135) 评论(0) 推荐(0)
RuntimeError: The Session graph is empty. Add operations to the graph before calling run().解决方法
摘要：首先tf1.的开启回话语句是这样的： # 开启会话 with tf.Session() as sess: c_t_value = sess.run(c_t) print("c_t_value:\n", c_t_value) 现在对于tf2.的用户应该这样做： # 开启会话 tf.compat.v1. 阅读全文
posted @ 2021-01-31 15:55 喜欢爬的孩子 阅读(488) 评论(0) 推荐(0)
深度学习进度01（深度和机器的区别、tensorflow的使用-tf数据流图）
摘要：机器学习和深度学习两者之前的区别： 特征提取方面： 数据量和计算性能要求： 算法代表： tensorflow的使用 tf数据流图： 用tensorflow实现一个简单的加法运算： import tensorflow as tf import os os.environ['TF_CPP_MIN_LOG 阅读全文
posted @ 2021-01-29 18:25 喜欢爬的孩子 阅读(132) 评论(0) 推荐(0)