腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
月色的自留地
专栏成员
举报
113
文章
219362
阅读量
65
订阅数
订阅专栏
申请加入专栏
全部文章(113)
python(28)
人工智能(21)
编程算法(18)
其他(15)
tensorflow(15)
机器学习(13)
linux(13)
神经网络(9)
深度学习(9)
ios(7)
mac os(7)
windows(7)
unix(5)
keras(5)
https(5)
java(4)
打包(4)
存储(4)
图像识别(4)
c++(3)
bash(3)
node.js(3)
容器镜像服务(3)
开源(3)
gui(3)
opencv(3)
比特币(2)
xcode(2)
angularjs(2)
android studio(2)
qt(2)
数据库(2)
ide(2)
git(2)
github(2)
api(2)
ubuntu(2)
bash 指令(2)
apt-get(2)
网站(2)
kubernetes(2)
游戏(2)
卷积神经网络(2)
大数据(2)
微信(2)
小程序(2)
人脸识别(1)
区块链(1)
数字货币(1)
NLP 服务(1)
自动驾驶(1)
iphone(1)
swift(1)
go(1)
html(1)
android(1)
opengl(1)
嵌入式(1)
云数据库 SQL Server(1)
centos(1)
spring(1)
命令行工具(1)
SSL 证书(1)
机器翻译(1)
http(1)
容器(1)
分布式(1)
运维(1)
黑客(1)
爬虫(1)
shell(1)
网络安全(1)
numpy(1)
监督学习(1)
npm(1)
scrapy(1)
markdown(1)
无监督学习(1)
迁移学习(1)
数据分析(1)
物联网(1)
网站建设(1)
虚拟化(1)
分类算法(1)
sdk(1)
app(1)
apple(1)
binary(1)
com(1)
summary(1)
规范化(1)
搜索文章
搜索
搜索
关闭
TensorFlow从1到2(十四)评估器的使用和泰坦尼克号乘客分析
keras
tensorflow
python
机器学习
通常认为评估器因为内置的紧密结合,运行速度要高于Keras。Keras一直是一个通用的高层框架,除了支持TensorFlow作为后端,还同时支持Theano和CNTK。高度的抽象肯定会影响Keras的速度,不过本人并未实际对比测试。我觉的,对于大量数据导致的长时间训练来说,这点效率上的差异不应当成为大问题,否则Python这种解释型的语言就不会成为优选的机器学习基础平台了。 在TensorFlow 1.x中可以使用tf.estimator.model_to_estimator方法将Keras模型转换为TensorFlow评估器。TensorFlow 2.0中,统一到了tf.keras.estimator.model_to_estimator方法。所以如果偏爱评估器的话,使用Keras也不会成为障碍。
俺踏月色而来
2019-05-15
956
0
TensorFlow从1到2(八)过拟合和欠拟合的优化
tensorflow
keras
binary
summary
规范化
《从锅炉工到AI专家(6)》一文中,我们把神经网络模型降维,简单的在二维空间中介绍了过拟合和欠拟合的现象和解决方法。但是因为条件所限,在该文中我们只介绍了理论,并没有实际观察现象和应对。 现在有了TensorFLow 2.0 / Keras的支持,可以非常容易的构建模型。我们可以方便的人工模拟过拟合的情形,实际来操作监控、调整模型,从而显著改善模型指标。
俺踏月色而来
2019-05-10
1.3K
0
TensorFlow从1到2(五)图片内容识别和自然语言语义识别
keras
tensorflow
神经网络
机器学习
深度学习
上一节我们讲过了完整的保存模型及其训练完成的参数。 Keras中使用这种方式,预置了多个著名的成熟神经网络模型。当然,这实际是Keras的功劳,并不适合算在TensorFlow 2.0头上。 当前TensorFlow 2.0-alpha版本捆绑的Keras中包含:
俺踏月色而来
2019-04-25
2.1K
0
TensorFlow从1到2(三)数据预处理和卷积神经网络
tensorflow
keras
卷积神经网络
python
从这个例子开始,相当比例的代码都来自于官方新版文档的示例。开始的几个还好,但随后的程序都将需要大量的算力支持。Google Colab是一个非常棒的云端实验室,提供含有TPU/GPU支持的Python执行环境(需要在Edit→Notebook Settings设置中打开)。速度比不上配置优良的本地电脑,但至少超过平均的开发环境。 所以如果你的电脑运行速度不理想,建议你尝试去官方文档中,使用相应代码的对应链接进入Colab执行试一试。 Colab还允许新建Python笔记,来尝试自己的实验代码。当然这一切的前提,是需要你科学上网。
俺踏月色而来
2019-04-21
975
0
TensorFlow从1到2(二)续讲从锅炉工到AI专家
tensorflow
神经网络
keras
编程算法
小程序
原文第四篇中,我们介绍了官方的入门案例MNIST,功能是识别手写的数字0-9。这是一个非常基础的TensorFlow应用,地位相当于通常语言学习的"Hello World!"。 我们先不进入TensorFlow 2.0中的MNIST代码讲解,因为TensorFlow 2.0在Keras的帮助下抽象度比较高,代码非常简单。但这也使得大量的工作被隐藏掉,反而让人难以真正理解来龙去脉。特别是其中所使用的样本数据也已经不同,而这对于学习者,是非常重要的部分。模型可以看论文、在网上找成熟的成果,数据的收集和处理,可不会有人帮忙。 在原文中,我们首先介绍了MNIST的数据结构,并且用一个小程序,把样本中的数组数据转换为JPG图片,来帮助读者理解原始数据的组织方式。 这里我们把小程序也升级一下,直接把图片显示在屏幕上,不再另外保存JPG文件。这样图片看起来更快更直观。 在TensorFlow 1.x中,是使用程序input_data.py来下载和管理MNIST的样本数据集。当前官方仓库的master分支中已经取消了这个代码,为了不去翻仓库,你可以在这里下载,放置到你的工作目录。 在TensorFlow 2.0中,会有keras.datasets类来管理大部分的演示和模型中需要使用的数据集,这个我们后面再讲。 MNIST的样本数据来自Yann LeCun的项目网站。如果网速比较慢的话,可以先用下载工具下载,然后放置到自己设置的数据目录,比如工作目录下的data文件夹,input_data检测到已有数据的话,不会重复下载。 下面是我们升级后显示训练样本集的源码,代码的讲解保留在注释中。如果阅读有疑问的,建议先去原文中看一下样本集数据结构的图示部分:
俺踏月色而来
2019-04-18
538
0
没有更多了
社区活动
【纪录片】中国数据库前世今生
穿越半个世纪,探寻中国数据库50年的发展历程
立即查看
Python精品学习库
代码在线跑,知识轻松学
立即查看
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
立即体验
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
立即查看
领券
问题归档
专栏文章
快讯文章归档
关键词归档
开发者手册归档
开发者手册 Section 归档