山…隹

2020年9月19日

tensorflow2.0——过拟合优化regularization（简化参数结构，添加参数代价变量）

摘要：参数过多会导致模型过于复杂而出现过拟合现象，通过在loss函数添加关于参数个数的代价变量，限制参数个数，来达到减小过拟合的目的以下是loss公式：代码多了一个kernel_regularizer参数 import tensorflow as tf def preporocess(x,y): x 阅读全文

posted @ 2020-09-19 21:30 山…隹阅读(685) 评论(1) 推荐(0) 编辑

tensorflow2.0——自定义全连接层实现并保存

摘要： import tensorflow as tf def preprocess(x, y): x = tf.cast(x, dtype=tf.float32) / 255 - 0.5 y = tf.cast(y, dtype=tf.int32) return x, y batchsz = 128 # 阅读全文

posted @ 2020-09-19 19:28 山…隹阅读(823) 评论(0) 推荐(0) 编辑

2020年9月14日

tensorflow2.0——模型保存与加载

摘要：这里有三种方式保存模型：第a56爆大奖在线娱乐：只保存网络参数，适合自己了解网络结构第二种：保存整个网络，可以完美进行恢复第三个是保存格式。第a56爆大奖在线娱乐方式：实践操作：第二种方式：（存入整个模型）第三种方式：（存成工业模型） import tensorflow as tf save_path = 'sa 阅读全文

posted @ 2020-09-14 22:35 山…隹阅读(2968) 评论(0) 推荐(0) 编辑

tensorflow2.0——keras相关接口2（自定义层）

摘要： keras.Sequential（build和summary是在网络构造前就观察网络参数）: 阅读全文

posted @ 2020-09-14 20:58 山…隹阅读(178) 评论(0) 推荐(0) 编辑

tensorflow2.0——keras相关接口简化训练代码

摘要：注意： 1. 图片代码中的network变量在后面的代码展示中是model变量 2. 该列子中db中的y是one_hot编码后的原代码（一个step中的一个batch）: 接口替换后: 原来的for循环a56爆大奖在线娱乐step与batch：接口替换后：此处还没有设置测试的周期（比如前面的step %100 阅读全文

posted @ 2020-09-14 18:09 山…隹阅读(292) 评论(0) 推荐(0) 编辑

2020年9月13日

tensorflow2.0——meter简单的loss和acc处理方式

摘要： 1. 创建meter 2. 添加数据 3. 展示结果 4. 清除meter 以下代码是在前面随笔中代码的基础上添加的meter相关操作： import tensorflow as tf import datetime def preporocess(x,y): x = tf.cast(x,dtype 阅读全文

posted @ 2020-09-13 15:12 山…隹阅读(1038) 评论(0) 推荐(0) 编辑

2020年8月20日

tensorflow2.0——tensorboard与预测代码相结合

摘要：实时的显示相关数据的图 import tensorflow as tf import datetime def preporocess(x,y): x = tf.cast(x,dtype=tf.float32) / 255 x = tf.reshape(x,(-1,28 *28)) # 铺平 x = 阅读全文

posted @ 2020-08-20 18:04 山…隹阅读(227) 评论(0) 推荐(0) 编辑

tensorflow2.0——tensorboard画图使用

摘要：进入项目路径输入“ tensorboard --logdir 文件夹名 ” 监听该文件夹代码中编写将数据写入本地： 1. 标量数据写入： 2. 图片数据写入：结果展示：多张图片显示（直接传入多张图片）：多张图片（将多张图片转化为1张图片）数据写入：结果展示： import tensorf 阅读全文

posted @ 2020-08-20 17:47 山…隹阅读(1870) 评论(0) 推荐(1) 编辑

2020年8月16日

tensorflow2.0——手写数据集预测完整版

摘要： import tensorflow as tf def preporocess(x,y): x = tf.cast(x,dtype=tf.float32) / 255 x = tf.reshape(x,(-1,28 *28)) # 铺平 x = tf.squeeze(x,axis=0) # prin 阅读全文

posted @ 2020-08-16 18:45 山…隹阅读(621) 评论(0) 推荐(0) 编辑

tensorflow2.0——交叉熵损失应用

摘要： import tensorflow as tf a = tf.losses.categorical_crossentropy([0,1,0,0],[0.25,0.25,0.25,0.25],from_logits=True) # 前一个参数为标记值，后一个参数为预测值,最后一个参数设为True，输出阅读全文

posted @ 2020-08-16 11:20 山…隹阅读(351) 评论(0) 推荐(0) 编辑

公告