issue 页面:https://github.com/tensorflow/tensorflow/issues/25175
最近用keras跑基于resnet50,inception3的一些迁移学习的实验,遇到一些问题。通过查看github和博客发现是由于BN层导致的,国外已经有人总结并提了一个PR(虽然并没有被merge到Keras官方库中),并写了一篇博客,也看到知乎有人翻译了一遍:Keras的BN你真的冻结对了吗
最近,一位从事NLP工程师Gupta发现了TensorFlow存在的一个严重bug:
TensorFlow 被吐槽不好用,也不是一天两天了。TensorFlow 2.0 的发布似乎将这种「民怨」推上了高潮。
TensorFlow 1.9.0正式版发布了,下面是更新和改进的细节,更详细的信息请到网站查阅:github.com/tensorflow/tensorflow/releases/tag/v1.9.0
本教程介绍如何使用 tf.Keras 时序 API 从头开始训练模型,将 tf.Keras 模型转换为 tflite 格式,并在 Android 上运行该模型。我将以 MNIST 数据为例介绍图像分类,并分享一些你可能会面临的常见问题。本教程着重于端到端的体验,我不会深入探讨各种 tf.Keras API 或 Android 开发。
选自reddit 作者:Marc Schmidt 机器之心编译 参与:Rick、李泽南 PyTorch 对机器学习领域的影响正在不断扩大,人们在使用中也在不断将其和其他机器学习框架进行对比。最近,Marc Schmidt 在 Reddit 上撰文对 Keras 和 PyTorch 进行了全面的对比。作者认为,PyTorch 在版本管理和调试等方面具有很大优势。 我可以根据自己作为软件工程师的经验(10 年以上)来给你一些答案。我也参与过很多开源项目,还是几十个开源库的作者,这些库都有成千上万的收藏量和数百
对于深度学习领域的从业者而言,Keras 肯定不陌生,它是深度学习的主流框架之一。2015 年 3 月 27 日,谷歌软件工程师、Keras 之父 Francois Chollet 在其 GitHub 上提交并公布了 Keras 的首个版本。作为使用纯 Python 编写的深度学习框架,Keras 的代码更加简单方便,适用于初学者。此外,Keras 具有很强的易扩展性,能够直观地定义神经网络,函数式 API 的使用令用户可以将层定义为函数。
生成对抗网络(Generative Adversarial Network,简称GAN)是近年来人工智能领域中备受瞩目的创新之一。它以其独特的结构和训练方式在图像生成和修复领域展现出惊人的潜力。本文将深入探讨生成对抗网络在图像生成和修复方面的应用,通过代码示例帮助读者更好地理解其工作原理。
去年 10 月,谷歌才发布了 TensorFlow 2.0 正式版。时隔三个月后,昨日官方发布了 TensorFlow 2.1,本次版本更新带了了多项新特性、功能改进和 bug 修复。
选自AWS 机器之心编译 参与:黄小天、路雪 近日,孵化于 Apache 软件基金会 Apache MXNet 发布了 v0.11.0 最终测试版本,它不仅具有一个 Core ML 模型转换器,同时还支持 Keras v1.2。此外,该版本还包括额外的功能更新、性能提升以及一些修复。你可以从源代码构建 MXNet 从而获取新版本。 Apache MXNet 正在 Apache 软件基金会(ASF)中进行孵化。上周,MXNet 社区为 MXNet v0.11.0 引入了一个最终测试版本,作为一个孵化项目这还是
机器之心报道 编辑:杜伟、小舟 以后在本地运行 Keras Bazel 测试将不再花费几小时,只需要几分钟。 对于深度学习领域的从业者而言,Keras 肯定不陌生,它是深度学习的主流框架之一。2015 年 3 月 27 日,谷歌软件工程师、Keras 之父 Francois Chollet 在其 GitHub 上提交并公布了 Keras 的首个版本。作为使用纯 Python 编写的深度学习框架,Keras 的代码更加简单方便,适用于初学者。此外,Keras 具有很强的易扩展性,能够直观地定义神经网络,函数式
大数据文摘作品 作者:溘弭 对于硬盘损坏的原因,在网上搜索一下,就会发现各种各样的离奇损坏原因,比如读写时没有正常插拔、被狗咬坏、水和方便面调料撒到了上面,或者……被雷劈了。这些原因导致我们看下载下来的电影的时候电脑突然变得迟缓黑屏、电脑开机时突然开始时间巨长的磁盘检测、玩游戏的时候电脑蓝屏从而去送人头。 硬盘损坏分类 其实,硬盘的损坏可以大致分为两大类,一类是硬损坏,一类是软损坏。硬损坏主要是磁头组件损坏、控制电路损坏、综合性损坏和扇区物理性损坏四种。 磁头组件损坏:其主要指硬盘中磁头组件的某部分被损坏掉
随着人工智能(AI)技术的迅速发展,我们面临着越来越多的AI安全风险,包括AI的攻击和滥用。在2024年,我们需要更加重视AI安全,采取有效的措施来防范这些风险。本文将探讨2024年的AI安全风险,并提供一些方法来防范AI的攻击和滥用。
科学,尤其是生物学,越来越依赖软件工具来实现研究。但是,如果您是生物学家,则可能未接受过软件开发最佳实践方面的培训。由于缺乏培训,科学软件通常只有极少甚至不存在的文档,使得研究人员的生活比他们需要的更加困难。
相信前段时间大家都被各种XLNet的解读、解析轰炸了吧。好容易熬过了学会了,到网上一搜,诶!官方没有公布中文预训练模型,其他大佬都还没动静,散了散了,追ALBERT的热点去了。
Aid Learning FrameWork是一个在Android手机上运行的带图形界面的Linux系统,用于AI编程。这意味着当它安装时,你的Android手机拥有一个可以在其中运行AI程序的Linux系统。现在我们有力地支持Caffe,Tensorflow,Mxnet,ncnn,Keras,cv2,Git / SSH这些框架。此外,我们提供了一个名为Aid_code的AI编码开发工具。它可以通过在我们的框架上使用Python来为您提供可视化的AI编程体验!
本文介绍了一种基于深度学习的多目标细粒度图像分类与物体检测算法,通过使用Xception网络提取图像特征,并在多分类任务上微调模型。同时,文章还介绍了一种基于双塔模型结构的细粒度分类方法,该方法通过计算两个独立模型的输出相似度以及类别标签来得到最终的预测结果。
在官方中文版上,我们也看到对 Keras 的正式介绍: Keras 是一个用 Python 编写的高级神经网络 API,它能够以 TensorFlow, CNTK, 或者 Theano 作为后端运行。
补充知识:日常填坑之keras.backend.ctc_batch_cost参数问题
在本文中,您将发现Keras和tf.keras之间的区别,包括TensorFlow 2.0中的新增功能。
在解决数据科学任务和挑战方面,Python继续处于领先地位。去年,我对当时热门的Python库进行了总结。今年,我在当中加入新的库,重新对2018年热门Python库进行全面盘点。
7 月 7 日,一名曾在苹果自动驾驶汽车项目工作的员工在加州圣何塞机场准备登机飞往中国时,被美国联邦调查局(FBI)的执法人员逮捕。据知情人士称,这位名为 Xiaolang Zhang (张晓浪)的工程师正准备跳槽入职国内创业公司小鹏汽车。
【新智元导读】微软今天发布了深度学习工具包CNTK的2.0版本,新版本增加了支持 Keras 的 CNTK 后端,Java API,模型评估的 Spark 支持,模型压缩等新功能,微软全球技术院士黄学东称其比同类产品快3倍。 微软今天发布微软认知工具包(Microsoft Cognitive Toolkit)的2.0版本。这是一个开源的深度学习工具包,以前的名字是 CNTK,是微软对应竞争对手的TensorFlow,Caffe 和 Torch 的工具。它的第一个版本已经在速度方面不输许多竞争产品,而新的2.
自然语言处理(Natural Language Processing,简称NLP)是人工智能领域中的一个重要分支,旨在让计算机能够理解、分析和生成人类语言。近年来,深度学习技术的发展为NLP带来了革命性的变革,使得计算机在处理自然语言方面取得了惊人的进展。本文将深入探讨深度学习在自然语言处理中的十大应用领域,并通过代码示例加深理解。
在使用Python编写机器学习项目时,我们有时会遇到各种错误。其中之一是ModuleNotFoundError,该错误指示Python找不到特定的模块。 这篇文章将教你如何解决一个常见的ModuleNotFoundError错误,即ModuleNotFoundError: No module named 'keras_retinanet.utils.compute_overlap'。
作为数据科学和机器学习相关的研究和开发人员,大家每天都要用到 python。在本文中,我们将讨论一些 python 中的顶级库,开发人员可以使用这些库在现有的应用程序中应用、清洗和表示数据,并进行机器学习研究。
AI 科技评论按: 继反复预热以及在今年三月在 TensorFlow 开发者峰会上宣布了 TensorFlow 2.0 Alpha 版(内部测试版)之后,TensorFlow 2.0 Beta 版(公开测试版)也终于在今天发布了。
随着深度学习技术的快速发展,图像生成成为了一个备受关注的研究领域。深度学习模型在图像生成任务上取得了令人瞩目的成果,例如生成逼真的图像、图像风格转换等。本文将介绍基于深度学习的图像生成方法以及应用领域,并探讨其未来的发展方向。
通过本教程,你可以了解 Keras 和 tf.keras 之间的区别,以及 TensorFlow 2.0 的新特性。本教程的灵感来自于上周二我在 PyImageSearch 阅读器上收到的一封邮件。
Python 是最流行和使用最广泛的编程语言之一,它已经取代了业界许多编程语言。python 在开发人员中流行的原因有很多。然而,最重要的一点是它有大量的库供用户使用。
机器之心报道 机器之心编辑部 将 Keras 并入 TensorFlow,到底是不是一个正确的决定? 近日,Reddit 上出现了一个「悼念」Keras 的帖子,引发了不少人的围观。发帖者表示,谷歌已经慢慢地将 Keras 杀死了。 乍一看,这一观点似乎有点耸人听闻:Keras 活得好好的,怎么能说已经被谷歌杀死了呢?而且前不久,这个神经网络库刚刚过完 6 岁生日。MIT CSAIL 官方账号还发推表示,Keras 目前已经成为全世界使用最多的十大软件工具之一。 这一切还要从 Keras 和谷歌的恩怨说
选自MiniMaxir 作者:Max Woolf 机器之心编译 参与:Jane W、吴攀 Keras 是由 François Chollet 维护的深度学习高级开源框架,它的底层基于构建生产级质量的深度学习模型所需的大量设置和矩阵代数。Keras API 的底层基于像 Theano 或谷歌的 TensorFlow 的较低级的深度学习框架。Keras 可以通过设置 flag 自由切换后端(backend)引擎 Theano/TensorFlow;而不需要更改前端代码。 虽然谷歌的 TensorFlow 已广受
点击上方↑↑↑“OpenCV学堂”关注我来源:公众号 机器之心 授权 只需要几行代码,Cleanlab 就能帮你纠正数据集中的错误。 从事 AI 研究工作的人都知道,数据准备几乎占据了数据科学和机器学习研究工作的 80%。它被认为是最耗时和最不愉快的数据科学任务。 你以为的研究工作是「花时间从数据、训练模型、高级建模技术中探索出很棒的见解」,实际上经常是「把大量时间花在清理数据上」,因为现实世界的数据是杂乱无章的,而且充满错误…… 数据错误(例如训练集中的错误标记示例)会降低模型性能,数据集级别的问题(如
Machine Learning Mastery 计算机视觉教程 通道在前和通道在后图像格式的温和介绍 深度学习在计算机视觉中的 9 个应用 为 CNN 准备和扩充图像数据的最佳实践 8 本计算机视觉入门书籍 卷积层在深度学习神经网络中是如何工作的? DeepLearningAI 卷积神经网络课程(复习) 如何在 Keras 中配置图像数据扩充 如何从零开始为 CIFAR-10 照片分类开发 CNN 用于 Fashion-MNIST 服装分类的深度学习 CNN 如何为 MNIST 手写数字分类开发 CNN
导读:2019 年 11 月末,TensorFlow 的官方 GitHub 账号发布了 TensorFlow 2.1.0-rc 版本,现在,官方最新发布了 TensorFlow 2.1.0 正式版本。据介绍,这将是最后一个支持 Python 2 的版本。除此之外,TensorFlow 2.1.0 还带来了很多重大更新与改进,了解一下。
模型的fit函数有两个参数,shuffle用于将数据打乱,validation_split用于在没有提供验证集的时候,按一定比例从训练集中取出一部分作为验证集
如果将 Adam 优化出现以来产生的关于优化过程的有趣想法按时间顺序排列的话,结果如下:
在使用Python进行深度学习开发时,经常会遇到各种模块导入错误。其中一个常见的错误是ModuleNotFoundError: No module named 'keras_resnet',这意味着解释器无法找到名为keras_resnet的模块。
ERROR: Cannot uninstall ‘wrapt’. It is a distutils installed project and thus we cannot accurately determine which files belong to it which would lead to only a partial uninstall.
Please cite this paper(https://ejnmmires.springeropen.com/articles/10.1186/s13550-017-0260-9) if you found it useful. Thanks! Wang H, Zhou Z, Li Y, et al. Comparison of machine learning methods for classifying mediastinal lymph node metastasis of non-sma
人工智能(AI)无处不在。机器学习和人工智能正在彻底改变现代问题的解决方式。应用机器学习的一种很酷的方法是使用财务数据。财务数据是机器学习的一个游乐场。
从本专栏开始,作者正式研究Python深度学习、神经网络及人工智能相关知识。前一篇文章详细讲解了无监督学习Autoencoder的原理知识,然后用MNIST手写数字案例进行对比实验及聚类分析。这篇文章将开启Keras人工智能的学习,主要分享Keras环境搭建、入门基础及回归神经网络案例。基础性文章,希望对您有所帮助!
因此,一位好奇的学者 Tikeswar Naik,通过简单的实验和我们讨论了这项技术的某一潜在滥用情况——使用 ML 来破解密码,希望通过这一介绍能够让更多人保持警惕,并找到减轻或防止滥用的方法。我们将其具体研究内容编译如下。
在2018年初,互联网领域发现了两大系统漏洞,影响了主要的处理器厂商,这两大漏洞分别是“Meltdown(熔断)”和“Spectre(幽灵)”。这些漏洞是处理器前瞻执行的的漏洞,它允许攻击者读取其各自进程之外(以及潜在的执行)的内存位置,这意味着程序可以在其他软件的内存中读取敏感数据。 为了修复漏洞,Linux内核合并了一个名为KAISER或PTI(页表隔离page table isolation)的补丁,有效地修复了Meltdown攻击。然而,这一补丁会导致性能下降,CPU性能下降了5%到35%(甚至有一
机器之心报道 编辑:蛋酱 只需要几行代码,Cleanlab 就能帮你纠正数据集中的错误。 从事 AI 研究工作的人都知道,数据准备几乎占据了数据科学和机器学习研究工作的 80%。它被认为是最耗时和最不愉快的数据科学任务。 你以为的研究工作是「花时间从数据、训练模型、高级建模技术中探索出很棒的见解」,实际上经常是「把大量时间花在清理数据上」,因为现实世界的数据是杂乱无章的,而且充满错误…… 数据错误(例如训练集中的错误标记示例)会降低模型性能,数据集级别的问题(如重叠类)也会降低模型性能。即使在 gold-
【新智元导读】TensorFlow 今天发布最新版 1.2.0,公布了14大最新功能。新智元带来最新介绍,包括 API 的重要变化、contrib API的变化和Bug 修复及其他改变。附代码链接。 主要的功能和改进 1. Windows上支持Python3.6。 2. 时空域去卷积(spatio temporal deconvolution.)增加了tf.layers.conv3d_transpose层。 3. 增加了tf.Session.make_callable( ),为多次运行一个相同步骤的运行提供
在上一篇文章中,我们介绍了循环神经网络的建立方式。本来接下来应该介绍 TensorFlow 中的深度强化学习的,奈何笔者有点咕,到现在还没写完,所以就让我们先来了解一下 Keras 内置的模型训练 API 和自定义组件的方法吧!本文介绍以下内容:
领取专属 10元无门槛券
手把手带您无忧上云