lotuslaw

摘要：在tensorflow中准备图片数据的常用方案有两种，第一种是使用tf.keras中的ImageDataGenerator工具构建图片数据生成，第二种是使用tf.data.Dataset搭配tf.image中的一些图片处理方法构建数据管道。阅读全文

posted @ 2022-07-17 15:59 lotuslaw 阅读(83) 评论(0) 推荐(0)

摘要：结构化数据建模流程范例。阅读全文

posted @ 2022-07-17 00:40 lotuslaw 阅读(85) 评论(0) 推荐(0)

摘要：使用 tensorflow serving 部署模型要完成以下步骤：(1) 准备protobuf模型文件(2) 安装tensorflow serving (3) 启动tensorflow serving 服务(4) 向API服务发送请求，获取预测结果。阅读全文

posted @ 2022-07-03 12:19 lotuslaw 阅读(63) 评论(0) 推荐(0)

摘要： TensorFlow训练好的模型以tensorflow原生方式保存成protobuf文件后可以用许多方式部署运行。阅读全文

posted @ 2022-07-02 19:47 lotuslaw 阅读(276) 评论(0) 推荐(0)

摘要：如果使用多GPU训练模型，推荐使用内置fit方法，较为方便，仅需添加2行代码。阅读全文

posted @ 2022-07-02 17:38 lotuslaw 阅读(136) 评论(0) 推荐(0)

摘要：训练过程的耗时主要来自于两个部分，一部分来自数据准备，另一部分来自参数迭代。当数据准备过程还是模型训练时间的主要瓶颈时，我们可以使用更多进程来准备数据。当参数迭代过程成为训练时间的主要瓶颈时，我们通常的方法是应用GPU或者Google的TPU来进行加速。阅读全文

posted @ 2022-07-02 17:12 lotuslaw 阅读(88) 评论(0) 推荐(0)

摘要：模型的训练主要有内置fit方法、内置train_on_batch方法、自定义训练循环，注：fit_generator方法在tf.keras中不推荐使用，其功能已经被fit包含。阅读全文

posted @ 2022-07-02 14:46 lotuslaw 阅读(58) 评论(0) 推荐(0)

摘要：如果模型有多输入或者多输出，或者模型需要共享权重，或者模型具有残差连接等非顺序结构，推荐使用函数式API进行创建，如果无特定必要，尽可能避免使用Model子类化的方式构建模型，这种方式提供了极大的灵活性，但也有更大的概率出错。阅读全文

posted @ 2022-07-02 12:35 lotuslaw 阅读(161) 评论(0) 推荐(0)

摘要： tf.keras的回调函数实际上是一个类，一般是在model.fit时作为参数指定，用于控制在训练过程开始或者在训练过程结束，在每个epoch训练开始或者训练结束，在每个batch训练开始或者训练结束时执行一些操作，例如收集一些日志信息，改变学习率等超参数，提前终止训练过程等等。阅读全文

posted @ 2022-06-29 23:33 lotuslaw 阅读(53) 评论(0) 推荐(0)

摘要：深度学习优化算法大概经历了 SGD -> SGDM -> NAG ->Adagrad -> Adadelta(RMSprop) -> Adam -> Nadam 这样的发展历程。阅读全文

posted @ 2022-06-29 23:11 lotuslaw 阅读(38) 评论(0) 推荐(0)

Loading