2 weekdayh

尚未进行身份认证

我要认证

暂无相关简介

等级
TA的排名 41w+

TensorFlow2简要教程(五)-keras模型保存和序列化

keras模型保存和序列化文章目录keras模型保存和序列化1 .保存全模型2. 保存为SaveModel文件3. 仅保存网络结构4. 也可以使用json保存网络结构5.仅保存网络参数6. 完整的模型保存方法7.保存网络权重为SavedModel格式8.子类模型参数保存# 构建一个简单的模型并训练from __future__ import absolute_import, division, print_functionimport tensorflow as tftf.keras.backen

2020-06-30 09:11:03

TensorFlow2.0简要教程(四)-用keras构建自己的网络层

用keras构建自己的网络层文章目录用keras构建自己的网络层1 使用Keras自定义网络层2.使用子层递归构建网络层3.其他网络层配置4.构建自己的模型1 使用Keras自定义网络层from __future__ import absolute_import, division, print_functionimport tensorflow as tftf.keras.backend.clear_session()import tensorflow.keras as kerasimpor

2020-06-29 16:59:34

TensorFlow2.0教程(三)-使用keras训练模型

使用keras训练模型1.一般的模型构造、训练、测试流程import tensorflow as tfimport numpy as npfrom tensorflow_core.python.keras import layersfrom tensorflow_core.python import kerasfrom tensorflow_core.python.keras.utils.vis_utils import plot_model# 模型构造inputs = keras.In

2020-06-29 10:02:27

TensorFlow2.0简要教程(二)-keras 函数api

TensorFlow2.0简要教程-keras 函数api1构建简单的网络1.1创建网络import tensorflow as tfimport numpy as npfrom tensorflow_core.python.keras import layersfrom tensorflow_core.python.keras.utils.vis_utils import plot_modelinputs = tf.keras.Input(shape=(784,), name='img')

2020-06-28 16:30:09

TensorFlow 2.0简要教程(一)

TensorFlow 简要教程文章目录TensorFlow 简要教程1.导入tf.keras2.构建模型2.1模型堆叠2.2网络配置3.训练和评估3.1设置训练流程3.2 输入Numpy数据3.3tf.data输入数据3.4评估与预测4.构建高级模型4.1函数式api4.2模型子类化4.3自定义层4.3回调函数5保存和恢复5.1权重保存5.2保存网络结构5.3保存整个模型6.将keras用于Estimator1.导入tf.kerastensorflow2推荐使用keras构建网络,常见的神经网络都包含

2020-06-27 20:04:09

argparse模块用法简要总结

argparse简要用法总结argparse 是python自带的命令行参数解析包,可以用来方便地读取命令行参数,当你的代码需要频繁地修改参数的时候,使用这个工具可以将参数和代码分离开来,让你的代码更简洁,适用范围更广。argparse使用比较简单,常用的功能可能较快地实现出来,下面我分几个步骤,以Python3为例,简要讲述argparse的用法。1.基本框架下面是使用argparse从命令行获取用户名,然后打印’Hello ‘+ 用户名,假设python文件名为test.py# file-na

2020-06-25 10:54:52

openCV使用

文章目录一、读入图像二、 显示图像三 、保存图像四 、图片操作4.1 图像翻转4.2 图像复制4.3 颜色空间转换4.4 实例4.4.1 读入一副图像,按’s’键保存后退出,按'q'键则退出4.4.2 读入一副图像,给图片加文本4.4.3 画图五 、基本图像处理**5.1存取图片****5.2 缩放、裁剪、补边****5.3 色调、明暗****5.4 图像的仿射变换****六、 视频功能****6.1 摄像头录制视频****6.2从视频中截取图片**一、读入图像使用函数cv2.imread(file

2020-06-18 09:30:34

Git基本使用教程笔记——转载

转载Git使用教程:最详细、最傻瓜、最浅显、真正手把手教!文章目录一、Git 是什么二 ,SVN与Git 的最主要的的区别三、安装Git四 如何操作1、创建版本库2、 把文件添加到版本库中。3、 理解工作区与暂存区的区别?4、 Git撤销修改和删除文件操作。4.1 撤销修改:4.2 删除文件。五、远程仓库1、如何添加远程库?2、 如何从远程库克隆?六、创建与合并分支1、分支管理策略。七、bug分...

2020-03-15 22:16:13

github提交仓库小技巧

前提是你已经有了GitHub账号和已经搭建了第一步:先在GitHub上创建repository第二步:在本地电脑创建一个文件夹A,右键点击文件夹A,选择Git Bush here,;第三步:在弹出的界面输入 git clone repository 的地址,回车;第四步:在进行第三步之后,文件夹A中会出现clone的一个新的文件夹B,将需要上传的文件复制到新的文件夹内B;第五步:在Git...

2020-03-15 17:44:45

深度学习.Chapter11笔记[性能度量指标]——正确率、召回率、敏感度、特异度,ROC曲线、AUC值

本文转自 http://zhwhong.ml/2017/04/14/ROC-AUC-Precision-Recall-analysis/   在分类任务中,人们总是喜欢基于错误率来衡量分类器任务的成功程度。错误率指的是在所有测试样例中错分的样例比例。实际上,这样的度量错误掩盖了样例如何被分错的事实。在机器学习中,有一个普遍适用的称为混淆矩阵(confusion matrix))的工具,它可以帮...

2020-02-17 22:01:36

深度学习卷积笔记之Full卷积、Same卷积、Valid卷积

目录full卷积计算过程same卷积计算过程valid卷积计算过程参考资料一维卷积通常有三种类型:full卷积、same卷积和valid卷积,下面以一个长度为5的一维张量I和长度为3的一维张量K(卷积核)为例,介绍这三种卷积的计算过程full卷积计算过程Full卷积的计算过程是:K沿着I顺序移动,每移动到一个固定位置,对应位置的值相乘再求和,计算过程如下:将得到的值依次存入一维张...

2020-02-14 19:07:59

神经网络架构搜索(Neural Architecture Search)杂谈

一、背景       机器学习从业者被戏称为“调参工”已经不是一天两天了。我们知道,机器学习算法的效果好坏不仅取决于参数,而且很大程度上取决于各种超参数。有些paper的结果很难重现原因之一就是获得最优超参值往往需要花很大的力气。超参数的自动搜索优化是一个古老的话题了。深度学习兴起前它主要针对传统机器学习算法中的模型超参数,比...

2019-09-02 13:13:58

走进诺奖大师系列:科斯(Ronald H.Coase)

文章来源@管理学季刊走进诺奖大师系列:科斯(Ronald H.Coase)       受伯烈特教授的邀请在这一系列讲座发表演说之后,我拜读了先前各篇演讲的内容,才发现讲演题目是"我成为经济学者的演化之路"。这不禁让我进一步地思考,我的思想在哪些方面可以算是演化而来的。在某些人的观念中,演化是指由较为简单及粗糙的状态,往较为...

2019-08-29 11:24:16

机器学习之线性判别分析

机器学习笔记之线性判别分析线性判别分析       线性判别分析(Linear Discriminant Analysis,LDA)是一种经典的线性学习方法,最早是由Fisher提出,亦称“Fisher判别分析”,主要应用于当时二分类问题。       ...

2019-08-08 18:45:03

机器学习笔记之支持向量机(Support Vector Machines,SVM)

机器学习笔记之支持向量机(Support Vector Machines,SVM)支持向量机支持向量机是一种二分类模型。基本模型是定义在特征空间上的间隔最大的线性分类器,与感知机不同,感知机没有最大间隔。复杂感知机模型通过使用核技巧来处理非线性分类问题。线性分类        考虑一个二分类问题,给定训练样本集...

2019-08-07 15:14:15

机器学习笔记之主成分分析(PCA)

机器学习笔记之主成分分析(PCA)主成分分析(principle components analysis ,PCA)是比较基础的机器学习算法,主要是通过保留数据的特征来进行编码与解码。  假设在Rn\R^nRn空间中有mmm个点{x(1),x(2),⋯ ,x(m)}\{x^{(1)},x^{(2)},\cdots,x^{(m)}\}{x(1),x(2),⋯,x(m)...

2019-07-18 19:19:10

机器学习笔记之线性回归

机器学习笔记之线性回归已知数据集Data:(x1,y1),(x2,y2),(x3,y3),……,(xN−2,yN−2),(xN−1,yN−1),(xN,yN)(x_1,y_1),(x_2,y_2),(x_3,y_3),……,(x_{N-2},y_{N-2}),(x_{N-1},y_{N-1}),(x_N,y_N)(x1​,y1​),(x2​,y2​),(x3​,y3​),……,(xN−2​,y...

2019-07-15 13:04:41
勋章 我的勋章
  • 持之以恒
    持之以恒
    授予每个自然月内发布4篇或4篇以上原创或翻译IT博文的用户。不积跬步无以至千里,不积小流无以成江海,程序人生的精彩需要坚持不懈地积累!
  • 勤写标兵Lv1
    勤写标兵Lv1
    授予每个自然周发布1篇到3篇原创IT博文的用户。本勋章将于次周周三上午根据用户上周的博文发布情况由系统自动颁发。