文章 2024-06-18 来自:开发者社区

TensorFlow 的基本原理和使用方法

TensorFlow 是一个由 Google 开发的开源深度学习框架,广泛应用于机器学习和人工智能领域。它提供了丰富的工具和库,支持构建和训练各种深度学习模型。本教程将介绍 TensorFlow 的基本原理和使用方法。   TensorFlow 的原理 TensorFlow 的核心是张量(Tensor)和计算图(Graph): 1. **张量**:张...

文章 2023-12-04 来自:开发者社区

【Python/人工智能】TensorFlow 框架基本原理及使用

TensorFlow简介TensorFlow 是一款由 Google 开源的人工智能框架,是目前应用最广泛的深度学习框架之一。它可以在各种硬件平台上运行,包括单个 CPU、CPU 集群、GPU,甚至是分布式环境下的 CPU 和 GPU 组合。除了深度学习领域,TensorFlow 还支持其他机器学习算法和模型,如决策树、SVM...

【Python/人工智能】TensorFlow 框架基本原理及使用

深度学习框架TensorFlow入门

24 课时 |
17695 人已学 |
免费
开发者课程背景图
文章 2023-08-17 来自:开发者社区

Darknet19详细原理(含tensorflow版源码)

Darknet19原理 Darknet19是一个轻量级的卷积神经网络,用于图像分类和检测任务。 它是YOLOv2目标检测算法的主干网络,它的优点在于具有较少的参数和计算量,在计算速度和精度之间取得了良好的平衡,同时在训练过程中也具有较高的准确率和收敛速度。 Darknet19主要由卷积层、池化层和批量归一化层组成。根据名称可以看出,这些层是计算密集型的,且在网络的后端叠加了几个全连接层...

Darknet19详细原理(含tensorflow版源码)
文章 2023-08-17 来自:开发者社区

ResNet18详细原理(含tensorflow版源码)

ResNet18原理 ResNet18是一个经典的深度卷积神经网络模型,由微软亚洲研究院提出,用于参加2015年的ImageNet图像分类比赛。ResNet18的名称来源于网络中包含的18个卷积层。 ResNet18的基本结构如下: 输入层:接收大小为224x224的RGB图像。卷积层:共4个卷积层,每个卷积层使用3x3的卷积核和ReLU激活函数,提取图像的局部特征。残差块:共8个残差块,每...

ResNet18详细原理(含tensorflow版源码)
文章 2023-08-17 来自:开发者社区

VGG16详细原理(含tensorflow版源码)

VGG16原理 VGG16是一个经典的卷积神经网络模型,由牛津大学计算机视觉组(Visual Geometry Group)提出,用于参加2014年的ImageNet图像分类比赛。VGG16的名称来源于网络中包含的16个卷积层,其基本结构如下: 输入层:接收大小为224x224的RGB图像。卷积层:共13个卷积层,每个卷积层使用3x3的卷积核和ReLU激活函数,提取图像的局部特征。池化层:共5.....

VGG16详细原理(含tensorflow版源码)
文章 2023-08-17 来自:开发者社区

InceptionNet10详细原理(含tensorflow版源码)

InceptionNet10原理 InceptionNet10是基于谷歌团队在2014年提出的Inception网络的一个简化版本,也称为Mini-Inception。Inception网络是一种卷积神经网络模型,它通过模块化的方式来提高网络的深度和宽度,从而在图像分类、目标检测等计算机视觉任务中取得了优异的表现。 InceptionNet10模型的设计基于InceptionV1模型,...

InceptionNet10详细原理(含tensorflow版源码)
文章 2023-08-17 来自:开发者社区

AlexNet8详细原理(含tensorflow版源码)

AlexNet8原理 AlexNet是一种深度卷积神经网络,由Alex Krizhevsky等人在2012年提出,它是第一个在ImageNet比赛中取得显著优势的卷积神经网络。AlexNet有着比LeNet5更深、更宽的网络结构,并且采用了Dropout、ReLU等多种技术来防止过拟合,提高模型的泛化能力。 AlexNet的网络结构包含了8个层: 输入层:224*224的彩色图像。 第一层...

AlexNet8详细原理(含tensorflow版源码)
文章 2023-08-17 来自:开发者社区

LeNet5详细原理(含tensorflow版源码)

LeNet5原理 Lenet5是一种深度学习模型,也是卷积神经网络(CNN)的一种。它是由Yann LeCun等人在1998年提出的,主要用于手写数字识别任务。 Lenet5的网络结构由七个层组成,包括两个卷积层、两个池化层和三个全连接层。其中,卷积层用于提取特征,池化层用于降低特征维度,全连接层用于进行分类。 具体来说,Lenet5的网络结构如下: 输入层:28*28的灰度图像(...

LeNet5详细原理(含tensorflow版源码)
文章 2022-11-17 来自:开发者社区

《30天吃掉那只 TensorFlow2.0》 4-4 AutoGraph的机制原理

4-4 AutoGraph的机制原理有三种计算图的构建方式:静态计算图,动态计算图,以及Autograph。TensorFlow 2.0主要使用的是动态计算图和Autograph。动态计算图易于调试,编码效率较高,但执行效率偏低。静态计算图执行效率很高,但较难调试。而Autograph机制可以将动态图转换成静态计...

《30天吃掉那只 TensorFlow2.0》 4-4 AutoGraph的机制原理
文章 2022-04-30 来自:开发者社区

Tensorflow之TFRecord的原理和使用心得

大家好,我是对白。目前,越来越多的互联网公司内部都有自己的一套框架去训练模型,而模型训练时需要的数据则都保存在分布式文件系统(HDFS)上。Hive作为构建在HDFS上的一个数据仓库,它本质上可以看作是一个翻译器,可以将HiveSQL语句翻译成MapReduce程序或Spark程序,因...

Tensorflow之TFRecord的原理和使用心得

本页面内关键词为智能算法引擎基于机器学习所生成,如有任何问题,可在页面下方点击"联系我们"与我们沟通。