30 条“免训练生成-10-11” 相关内容
- TensorFlow开始 | Get StartedTensorFlow Mechanics 101（TensorFlow力学101）
TensorFlow Mechanics 101（TensorFlow力学101）
- TensorFlow开始 | Get Startedtf.estimator Quickstart（tf.estimator快速入门）
tf.estimator Quickstart（tf.estimator快速入门）
- TensorFlow表现 | PerformanceBenchmarks（基准）
Benchmarks（基准）
- TensorFlow教程 | TutorialsHow to Retrain Inception's Final Layer for New Categories（如何为新类别重新训练盗梦空间的最后一层）
How to Retrain Inception's Final Layer for New Categories（如何为新类别重新训练盗梦空间的最后一层）
训练 一旦瓶颈完成，网络顶层的实际培训就开始了。您会看到一系列步骤输出，每个输出都显示训练准确性，验证准确性和交叉熵。训练准确性显示当前训练批次中使用的图像的百分比是否标有正确的分类。
- TensorFlow教程 | TutorialsA Guide to TF Layers: Building a Convolutional Neural Network（TF层指南:构建卷积神经网络）
A Guide to TF Layers: Building a Convolutional Neural Network（TF层指南:构建卷积神经网络）
- TensorFlow教程 | TutorialsConvolutional Neural Networks（卷积神经网络）
Convolutional Neural Networks（卷积神经网络）
- TensorFlow开始 | Get StartedTensorBoard: Visualizing Learning（TensorBoard:可视化学习）
TensorBoard: Visualizing Learning（TensorBoard:可视化学习）
TensorBoard:VisualizingLearning 您将使用TensorFlow进行的计算（如训练大量深度神经网络）可能会很复杂且令人困惑。
- TensorFlow开始 | Get StartedMNIST For ML Beginners（ML的初学者MNIST 教程）
MNIST For ML Beginners（ML的初学者MNIST 教程）
训练集和测试集都包含图像及其相应的标签;例如训练图像mnist.train.images和训练标签mnist.train.labels。 每个图像是28像素×28像素。
- TensorFlow教程 | TutorialsLarge-scale Linear Models with TensorFlow（TensorFlow的大型线性模型）
Large-scale Linear Models with TensorFlow（TensorFlow的大型线性模型）
线性模型： 与深度神经网络相比，快速训练。 可以在非常大的功能集上运行良好。 可以使用不需要大量学习损耗等操作的算法进行训练。 可以比神经网络更容易地解释和调试。
- TensorFlow指南 | GuideSaving and Restoring（模型存储和加载）
Saving and Restoring（模型存储和加载）
例如，您可能已经训练了一个五层的神经网络，现在您想要训练一个具有六层的新模型，以重用五个已训练层的现有权重。您可以使用保存程序恢复前五层的权重。
- C++字符串 | Stringsstd::basic_string::insert
std::basic_string::insert
- TensorFlow扩展 | ExtendCreating Estimators in tf.estimator（在tf.estimato创建自定义估算器）
Creating Estimators in tf.estimator（在tf.estimato创建自定义估算器）
- TensorFlow指南 | GuideDebugging TensorFlow Programs（调试TensorFlow程序）
Debugging TensorFlow Programs（调试TensorFlow程序）
- TensorFlow扩展 | ExtendTensorFlow in other languages（TensorFlow其他语言）
TensorFlow in other languages（TensorFlow其他语言）
这对于想要在预先训练的模型上运行推理的移动应用或服务器就足够了。图表构造：每个定义的TensorFlow操作至少有一个函数将操作添加到图形。
- TensorFlow教程 | TutorialsImage Recognition（图像识别）
Image Recognition（图像识别）
- TensorFlow指南 | GuideGraphs and Sessions（图表和会话）
Graphs and Sessions（图表和会话）
TensorFlow的XLA编译器可以使用数据流图中的信息生成更快的代码，例如，通过融合相邻操作。可移植性。数据流图是模型中代码的语言无关表示。
- TensorFlow表现 | PerformancePerformance Guide（性能指南）
Performance Guide（性能指南）
生成一个时间表并查找大块空白（等待）。作为XLAJIT教程的一部分，存在一个生成时间线的例子。 检查CPU使用情况。有可能具有优化的输入流水线，并且缺乏CPU周期来处理流水线。
- TensorFlow教程 | TutorialsTensorFlow Linear Model Tutorial（TensorFlow线性模型教程）
TensorFlow Linear Model Tutorial（TensorFlow线性模型教程）
- TensorFlow指南 | GuideImporting Data
Importing Data
例如，图像模型的管道可能会聚合来自分布式文件系统中的文件的数据，将随机扰动应用于每个图像，并将随机选择的图像合并为一批以进行训练。
- TensorFlow表现 | PerformanceUsing AOT compilation（使用AOT编译）
Using AOT compilation（使用AOT编译）
所有输入必须完全由供稿指定;生成的剪枝子图不能包含占位符或变量节点。通常将所有占位符和变量指定为提要，这可确保生成的子图不再包含这些节点。
腾讯云开发者
扫码关注腾讯云开发者
领取腾讯云代金券
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