- 综合排序
- 最热优先
- 最新优先
- 来自专栏毛利学Python
【TensorFlow2.x 实践】服装分类
前言 基于TensorFlow2.x的框架，使用PYthon编程语言，实现对服装图像进行分类。 思路流程： 导入 Fashion MNIST数据1. 集探索数据1. 预处理数据1.
1.1K30编辑于 2022-09-22 - 来自专栏极客起源
带你入门机器学习与TensorFlow2.x
本文主要介绍人工智能、机器学习和深度学习的区别，以及软硬件环境的搭建，包括Tensorflow1.x和Tensorflow2.x在同一台机器上如何共存。 在后续的文章中将深入讲解用Tensorflow2.x训练各种模型，以及利用模型完成相关的工作。 具体命令如下: conda remove --name tf2 --all 由于安装Anaconda后，直接使用下面的命令安装Tensorflow2.x。 4.1.4 检验Tensorflow2.x是否安装正确 安装完Tensorflow2.x后，可以使用python命令执行下面的代码。这段代码是利用tf计算两个浮点数的和（2+4）。
85550发布于 2020-04-13 - 来自专栏数据分析与挖掘
【tensorflow2.x】对应的keras版本
参考：https://docs.floydhub.com/guides/environments/
1.8K00发布于 2020-08-26 - 来自专栏数据分析与挖掘
【tensorflow2.x】tensorflow和keras的使用问题
1、在新版的tensorflow2.x中，keras已经作为模块集成到tensorflow中了 ? 所以在导入包的时候需要按照以上形式导入。 参考：https://blog.csdn.net/weixin_40405758/article/details/88094405 2、tensorflow2.x新加了一些东西，比如：tf.keras.layers.advanced_activations
2.1K30发布于 2020-08-26 - 来自专栏用户5033944的专栏
【TensorFlow2.x开发—基础】 模型保存、加载、使用
本文主要介绍在TensorFlow2 中使用Keras API保存整个模型，以及如果使用保存好的模型。保存整个模型时，有两种格式可以实现，分别是SaveModel和HDF5；在TF2.x中默认使用SavedModel格式。
5.2K00发布于 2021-05-15 - 来自专栏米虫的家
TensorFlow2.X学习笔记(1)--TensorFlow核心概念
TensorFlow™ 是一个采用 数据流图（data flow graphs），用于数值计算的开源软件库。节点（Nodes）在图中表示数学操作，图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）。它灵活的架构让你可以在多种平台上展开计算，例如台式计算机中的一个或多个CPU（或GPU），服务器，移动设备等等。TensorFlow 最初由Google大脑小组（隶属于Google机器智能研究机构）的研究员和工程师们开发出来，用于机器学习和深度神经网络方面的研究，但这个系统的通用性使其也可广泛用于其他计算领域。
1.3K10发布于 2020-09-24 - 来自专栏OpenCV与AI深度学习
TensorFlow2.x目标检测API测试代码使用演示
TensorFlow2.x Object Detection API 的安装与配置可参考前面的两篇文章： TensorFlow2.x GPU版安装与CUDA版本选择指南 TensorFlow2.x 目标检测
2.2K10发布于 2020-11-09 - 来自专栏用户5033944的专栏
【TensorFlow2.x开发—基础】 简介、安装、入门应用案例
在之前，TensorFlow1.x和Keras是分开的，但很多开发者觉得Keras API更友好，开发起来更高效，原生的TensorFlow API过于麻烦；后来TensorFlow2.x合并了Keras
1.4K00发布于 2021-05-15 - 来自专栏米虫的家
TensorFlow2.X学习笔记(3)--TensorFlow低阶API之张量
TensorFlow提供的方法比numpy更全面，运算速度更快，如果需要的话，还可以使用GPU进行加速。
1.8K30发布于 2020-09-24 - 来自专栏米虫的家
TensorFlow2.X学习笔记(2)--TensorFlow的层次结构介绍
TensorFlow的层次结构 TensorFlow中5个不同的层次结构： 硬件层，内核层，低阶API，中阶API，高阶API 最底层为硬件层，TensorFlow支持CPU、GPU或TPU加入计算资
1.5K20发布于 2020-09-24 - 来自专栏OpenCV与AI深度学习
TensorFlow2.x GPU版安装与CUDA版本选择指南
本文主题导读： ① TensorFlow2.x GPU版windows安装步骤 ② GPU对应CUDA版本的选择方式 目前Python最新release版本为3.9.0，配合TensorFlow2 大家根据自己的开发平台选择合适的版本下载即可 Windows平台下载地址：https://www.python.org/downloads/windows/ 下载后可以直接安装，安装完成后我们准备TensorFlow2
3.6K30发布于 2020-11-09 - 来自专栏OpenCV与AI深度学习
TensorFlow2.x目标检测API安装配置步骤详细教程
TensorFlow Object Detection API支持TensorFlow2.x版本已经有一段时间了，这里对安装配置步骤做详细说明。 ? ? 笔者这里使用Python3.7.5和TensorFlow-GPU 2.2.0，安装方法可以参考下面博客 TensorFlow2.x GPU版安装与CUDA版本选择指南 二、下载Object Detection
3.1K10发布于 2020-11-09 - 来自专栏AILearning
Ubuntu16.04安装TensorFlow2.x CPU和GPU必备指南
/u010859707/article/details/102737850 原文内容：https://github.com/apachecn/AiLearning/blob/master/docs/TensorFlow2
1.9K10发布于 2019-10-28 - 来自专栏机器学习初学者精选文章
【深度学习】Tensorflow2.x入门（一）建立模型的三种模式
前言 最近做实验比较焦虑，因此准备结合推荐算法梳理下Tensorflow2.x的知识。 介绍Tensorflow2.x的文章有很多，但本文（系列）是按照作者构建模型的思路来展开的，因此不会从Eager Execution开始。另外，尽量摆脱小白文，加入自己的理解。 Tensorflow2.x的三种建模方式 Tensorflow2.x创建模型的方式主要有三种： Sequential API，顺序模型； Function API，函数式模型； Subclassing transformer 当然也可以参考下我的github（广告）：https://github.com/ZiyaoGeng/Recommender-System-with-TF2.0 总结 上述是个人对Tensorflow2
2.1K30发布于 2020-12-11 - 来自专栏米虫的家
TensorFlow2.X学习笔记(4)--TensorFlow低阶API之AutoGraph相关研究
而Autograph机制可以将动态图转换成静态计算图，兼收执行效率和编码效率之利。
1.3K20发布于 2020-09-24 - 来自专栏米虫的家
TensorFlow2.X学习笔记(5)--TensorFlow中阶API之数据管道
Dataset数据结构应用非常灵活，因为它本质上是一个Sequece序列，其每个元素可以是各种类型，例如可以是张量，列表，字典，也可以是Dataset。
1.8K10发布于 2020-09-24 - 来自专栏米虫的家
TensorFlow2.X学习笔记(8)--TensorFlow高阶API之构建模型、训练模型
模型的训练主要有内置fit方法、内置tran_on_batch方法、自定义训练循环。
81720发布于 2020-09-24 - 来自专栏贾志刚-OpenCV学堂
Tensorflow Object Detection API 终于支持tensorflow1.x与tensorflow2.x了
之前tensorflow2.x一直不支持该框架，最近Tensorflow Object Detection API框架最近更新了，同时支持tensorflow1.x与tensorflow2.x。 ResNet50 基础网络 Faster-RCNN，支持MobileNet/ResNet101/Inception基础网络 Mask-RCNN，支持ResNet101/ResNet50/Inception基础网络 Tensorflow2 把上面的命令行中的tf1改成tf2就会完成tensorflow2.x版本的对象检测框架安装与配置。
1.4K40发布于 2020-09-08 - 来自专栏米虫的家
TensorFlow2.X学习笔记(7)--TensorFlow中阶API之losses、metrics、optimizers、callbacks
一般来说，监督学习的目标函数由损失函数和正则化项组成。（Objective = Loss + Regularization）
2K10发布于 2020-09-24 - 来自专栏燧机科技-视频AI智能分析
睡岗识别 TensorFlow
由于 TensorFlow1.x 与 TensorFlow2.x 的差别较大，因此在我们的学习与使用当中，我们应当首先学习TensorFlow2.x 版本。 相比于T ensorFlow1.x,TensorFlow2.x 最大的优点就是加入了 Keras，而TensorFLow 也是默认采用 Eager 模式来构建我们的模型，这对于一些初学者来说是巨大的福音
39340编辑于 2023-05-24
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号