如何高效使用TensorFlow2.0
如何高效使用TensorFlow2.0 Install: pip install tensorflow==2.0.0-alpha0 or Build From source https://www.weaf.top/posts/c05ce623/ ——————————————————-分割线—————————————————————————————– 首先在2.0中，为了使得用户效率提高有
分类：: TensorFlow
从源码构建TensorFlow2.0
从源码安装TensorFlow（未发布版本2.0） 下面第8点有一个单独的补充，是我一开始发布文章时候没有加进去的，我们在tag2.0上编译的版本应该是还是v1的默认执行流程，所以需要打开v2的behavior，这样我们就可以享受tf2.0的eager excution了。 1. 今天想尝一尝tf2.0的鲜，就尝试去从源码构建TensorFlow2.0版本的GPU wheel包。 2.首先你
TensorFlow data模块详解
[TOC] 大家好，本周给大家讲解tensorflow的data模块的详细信息，主要涉及到tf.data.Dataset对象的一些操作，和tf.data.Iterator以及后续使用tf.data API实现Numpy数据的读取、TFRecord数据格式的读取、文本文件的读取以及CSV文件的读取，最后应用批数据来进行训练和验证工作。 tf.data API的基本特性： 这个API让你可以
TensorFlow模型保存、加载与转换详解
TensorFlow模型加载与转换详解 本次讲解主要涉及到TensorFlow框架训练时候模型文件的管理以及转换。 首先我们需要明确TensorFlow模型文件的存储格式以及文件个数： 123456789model_folder:------checkpoint------model.meta------model.data-00000-of-00001------model.ind
TensorFlow实现Siamese Network
TensorFlow 实现Siamese Network 这次我们来实现一个基于lenet的Siamese Network，大家如果想了解Siamese Network，给大家推荐Andrew NG的课deeplearning.ai作为了解 接下来我们直接上code：大家也可以直接移步到我的github 仓库里面找代码代码 123456789代码目录组织结构：siamese_netw
TensorFlow SVM详解
TensorFlow SVM 简单的介绍一下Support Vector Machine，SVM是一个二分类机器学习算法，目的就是为了让两类之间的margin更大，SVM还可以实现多分类任务，那么需要扩展非线性kernels进去，接下来逐渐介绍SVM 和线性回归一起工作的SVM,使用得数据是IRIS数据集，取两个特征维度。 123456789101112131415161718192
TensorFlow逻辑回归详解
TensorFlow Logistic Regression 还是得先和大家开个头，我最近有点忙，所以有时候需要抽开时间补上拉下的博客，这是我2018年5月20号补5月七号那个月的博客，先来介绍一下逻辑回归的概念，也就是相对于线性回归，其实逻辑回归就是一个分类问题，大家可以这么理解，也就是最后将值得分布确定在几类当中，就像我们最开始在博客一开始学习得fashion mnist一样，只不过，我们这
TensorFlow线性回归详解（2）
TensorFlow Linear Regression 2 回顾一下线性回归的loss函数： 12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758596061626364656667686970717273747576777
TensorFlow线性回归详解（1）
TensorFlow Linear Regression 1 亲爱的小伙伴们，上周又事情给耽搁了，这周将上周的内容一起补充一下。我们前面的内容将TensorFlow的基础内容都介绍了，所以接下来我们需要实现一些基本的算法，如果大家想跑一些现在主流的一些网络结构，大家可以移步到我的GitHub MLModel这个仓库MLModel，里面会定期更新一些主流的网络框架。喜欢的话，给个star可好。接下
TensorFLow 基础（3）
TensorFlow 基础（3） hello,大家好，几天我们继续学习基础知识，为我们以后建立模型打下基础。主要是最近有点忙，所以每一周的内容会少一些，请大家谅解，随后慢慢加快进度。 这一次我们讲一下batch的概念，以及一些基本的操作，在之前的文章中，我们也讲过batch这个概念的。大家应该不会陌生 Working with Batch and Stochastic Train