TensorFlow

首页 标签 TensorFlow
# TensorFlow #
关注
5067内容
深度学习笔记(五):学习率过大过小对于网络训练有何影响以及如何解决
学习率是深度学习中的关键超参数,它影响模型的训练进度和收敛性,过大或过小的学习率都会对网络训练产生负面影响,需要通过适当的设置和调整策略来优化。
深度学习之格式转换笔记(四):Keras(.h5)模型转化为TensorFlow(.pb)模型
本文介绍了如何使用Python脚本将Keras模型转换为TensorFlow的.pb格式模型,包括加载模型、重命名输出节点和量化等步骤,以便在TensorFlow中进行部署和推理。
深度学习之格式转换笔记(三):keras(.hdf5)模型转TensorFlow(.pb) 转TensorRT(.uff)格式
将Keras训练好的.hdf5模型转换为TensorFlow的.pb模型,然后再转换为TensorRT支持的.uff格式,并提供了转换代码和测试步骤。
深度学习之格式转换笔记(二):CKPT 转换成 PB格式文件
将TensorFlow的CKPT模型格式转换为PB格式文件,包括保存模型的代码示例和将ckpt固化为pb模型的详细步骤。
TensorFlow学习笔记(一): tf.Variable() 和tf.get_variable()详解
这篇文章详细介绍了TensorFlow中`tf.Variable()`和`tf.get_variable()`的使用方法、参数含义以及它们之间的区别。
Tensorflow-GPU训练MTCNN出现错误-Could not create cudnn handle: CUDNN_STATUS_NOT_INITIALIZED
在使用TensorFlow-GPU训练MTCNN时,如果遇到“Could not create cudnn handle: CUDNN_STATUS_NOT_INITIALIZED”错误,通常是由于TensorFlow、CUDA和cuDNN版本不兼容或显存分配问题导致的,可以通过安装匹配的版本或在代码中设置动态显存分配来解决。
深度学习的奥秘:从基础到进阶
【10月更文挑战第6天】本文将深入浅出地探讨深度学习的原理和应用,通过实例展示如何构建和训练深度神经网络。我们将从基础概念出发,逐步深入到高级技巧,帮助读者理解深度学习的强大之处,并激发对这一领域的进一步探索。
深度学习在图像识别中的应用与挑战
【10月更文挑战第5天】本文将深入探讨深度学习技术在图像识别领域的应用和面临的挑战。我们将从基础的神经网络模型出发,逐步介绍卷积神经网络(CNN)的原理和结构,并通过代码示例展示其在图像分类任务中的实际应用。同时,我们也将讨论深度学习在图像识别中遇到的一些常见问题和解决方案,以及未来的发展方向。
免费试用