摘要:模型的保存与恢复 介绍一些常见的模型保存与恢复方法,以及如何使用回调函数保存模型。 1.保存完整模型 model.save()方法可以保存完整的模型,包括模型的架构、模型的权重以及优化器。 model.save()的参数为保存路径以及文件名。 首先我们构建一个简单的Sequential模型,使用fi 阅读全文
posted @ 2020-10-28 13:27 VioletOrz 阅读(6) 评论(0) 推荐(1) 编辑
摘要:使用VGG16网络进行迁移学习 使用在ImageNet数据上预训练的VGG16网络模型对猫狗数据集进行分类识别。 1.预训练网络 预训练网络是一个保存好的,已经在大型数据集上训练好的卷积神经网络。 如果这个数据集足够大且通用,那么预训练网络学习到的模型参数可以有效的对图片进行特征提取。即使新问题与原 阅读全文
posted @ 2020-10-24 15:21 VioletOrz 阅读(151) 评论(0) 推荐(1) 编辑
摘要:tf.data与自定义训练综合实例 使用tf.data自定义猫狗数据集,并使用自定义训练实现猫狗数据集的分类。 1.使用tf.data创建自定义数据集 我们使用kaggle上的猫狗数据以及tf.data来建立自己的猫狗数据集。 tf.data详细的使用方法中在Tensorflow学习笔记No.5中以 阅读全文
posted @ 2020-10-17 19:12 VioletOrz 阅读(131) 评论(0) 推荐(1) 编辑
摘要:数据的批标准化 本篇主要讲述什么是标准化,为什么要标准化,以及如何进行标准化(添加BN层)。 1.什么是标准化 传统机器学习中标准化也叫做归一化。 一般是将数据映射到指定的范围,用于去除不同维度数据的量纲以及量纲单位(说白了就是让数据尽可能处于某个范围内)。 数据标准化让机器学习模型看到的不同样本彼 阅读全文
posted @ 2020-10-09 19:34 VioletOrz 阅读(34) 评论(0) 推荐(0) 编辑
摘要:tf.data卷积神经网络综合应用实例 使用tf.data建立自己的数据集,并使用CNN卷积神经网络实现对卫星图像的二分类问题。 数据下载链接:http://pan.baidu.com/s/141zi1BvDU6rHsq5VKgRl4Q 提取码:2kbc 1.使用tf.data建立数据集 使用tf 阅读全文
posted @ 2020-10-08 00:42 VioletOrz 阅读(50) 评论(0) 推荐(0) 编辑
摘要:使用CNN卷积神经网络(2) 使用Tensorflow搭建简单的CNN卷积神经网络对fashion_mnist数据集进行分类 不了解是那么是CNN卷积神经网络的小伙伴可以参考上一篇博客(Tensorflow学习笔记No.4.1) 2.Tensorflow卷积神经网络相关API简介 2.1.keras 阅读全文
posted @ 2020-10-06 15:59 VioletOrz 阅读(30) 评论(0) 推荐(0) 编辑
摘要:使用CNN卷积神经网络(1) 简单介绍CNN卷积神经网络的概念和原理。 已经了解的小伙伴可以跳转到Tensorflow学习笔记No.4.2学习如和用Tensorflow实现简单的卷积神经网络。 1.CNN简介(概念简介) 卷积神经网络(Convolutional Neural Network,CNN 阅读全文
posted @ 2020-10-06 15:39 VioletOrz 阅读(27) 评论(0) 推荐(0) 编辑
摘要:这里更新一些学习Tensorflow过程中可能用到的实用工具。 Jupyter Notebook Jupyter Notebook 是一个非常方便的python编程工具,支持可视化,对于学习python而已非常的实用。 可以使用Anaconda3进行安装。 安装了Tensorflow的小伙伴应该都安 阅读全文
posted @ 2020-10-05 21:23 VioletOrz 阅读(24) 评论(0) 推荐(0) 编辑
摘要:使用tf.data加载数据 tf.data是tensorflow2.0中加入的数据加载模块,是一个非常便捷的处理数据的模块。 这里简单介绍一些tf.data的使用方法。 1.加载tensorflow中自带的mnist数据并对数据进行一些简单的处理 1 (train_image, train_labe 阅读全文
posted @ 2020-10-05 20:07 VioletOrz 阅读(34) 评论(0) 推荐(0) 编辑
摘要:使用函数式API构建神经网络 函数式API相比于keras.Sequential()具有更加灵活多变的特点。 函数式API主要应用于多输入多输出的网络模型。 利用函数式API构建神经网络主要分为3步,1.构建输入层,2.构建中间层与输出层并连接神经层,3.生成神经网络模型。 1.构建输入层 输入层的 阅读全文
posted @ 2020-10-05 17:27 VioletOrz 阅读(25) 评论(0) 推荐(0) 编辑