tensorflow

首页 > TAG信息列表 > tensorflow

从 Numpy+Pytorch 到 TensorFlow JS：总结和常用平替整理

如何拥有较为平滑的移植体验？保持两种语言，和两个框架的API文档处于打开状态，并随时查阅：Python，JavaScript；Pytorch，TensorFlow JS（用浏览器 F3 搜索关键词）。可选阅读，《动手学深度学习》，掌握解决常见学习问题时，Pytorch 和 TensorFlow 的实现方法。精读 TensorFlow JS 的官方教程，和指南

谷歌并未放弃TensorFlow，将于2023年发布新版，明确四大支柱

2015 年，谷歌大脑开放了一个名为「TensorFlow」的研究项目，这款产品迅速流行起来，成为人工智能业界的主流深度学习框架，塑造了现代机器学习的生态系统。从那时起，成千上万的开源贡献者以及众多的开发人员、社区组织者、研究人员和教育工作者等都投入到这一开源软件库上。然而七年后的

pytorch 和 tensorflow的 upsampling 互通代码

pytorch 实现上采样点击查看代码 import numpy as np import torch.nn.functional as F import torch from torch import nn input = torch.arange(0, 12, dtype=torch.float32).view(2, 2, 3).transpose(1, 2) # size 和 scale_factor只能二选一 sample_layer = nn.Upsample(

使用 Miniconda 为 Mac M1/M2 安装 TensorFlow GPU

使用 Miniconda 为 Mac M1/M2 安装 TensorFlow GPU 最新的采用 ARM M1/M2 架构的 Mac 处理深度学习的能力比之前采用英特尔架构的 Mac 好很多。随着硅芯片的发布，Apple 首次推出了片上系统。新的 Mac M1 有一个单芯片，其中包含 CPU、GPU 和对深度学习的硬件支持。使用名为 Rosetta

Tensorflow如何使用GPU训练（笔记）

参考：https://blog.csdn.net/qq_31554953/article/details/107302404 Tensorflow和tf.keras 模型可以在单个GPU上透明运行，而无需更改。注意：（1）需要使用tf.config.experimental.list_physical_devices('GPU')确认使用的tensorflow可以使用GPU。（2）在一台机器上运行多个GPU，或者在多台机

推荐系统！基于tensorflow搭建混合神经网络精准推荐！ ⛵

TensorFlow和CUDA、cudnn、Pytorch以及英伟达显卡对应版本对照表

TensorFlow和CUDA、cudnn、Pytorch以及英伟达显卡对应版本对照表 CUDA下载地址 CUDNN下载地址 torch下载英伟达显卡下载一、TensorFlow对应版本对照表版本 Python 版本编译器 cuDNN CUDA tensorflow-2.9.0 3.7-3.10 8.1 11.2 tensorflow-2.8.0 3.7-3.10 8.1 11.2

TensorFlow和CUDA、cudnn以及Pytorch对应版本对照表

TensorFlow和CUDA、cudnn以及Pytorch对应版本对照表 CUDA下载地址 CUDNN下载地址 torch下载一、TensorFlow对应版本对照表版本 Python 版本编译器 cuDNN CUDA tensorflow-2.9.0 3.7-3.10 8.1 11.2 tensorflow-2.8.0 3.7-3.10 8.1 11.2 tensorflow-2.7.0 3.7-3.9

基于Anacoda搭建虚拟环境cudnn6.0+cuda8.0+python3.6+tensorflow-gpu1.4.0

！一定要查准cudnn，cuda，tensorflow-gpu对应的版本号再进行安装，且本文一切安装均在虚拟环境中完成。下文以笔者自己电脑为例，展开安装教程阐述（省略anaconda安装教程）： 1.查询电脑CUDA版本 2. 确认对应的cudnn，cuda，tensorflow-gpu版本号（链接） 3.如果先前安装过tensorflow-gpu，先卸载（没有

【区块链与隐私保护系列】基于Linux的TensorFlow Federated安装与使用

一、Tensorflow Tederated安装基础环境：　　操作系统：Ubuntu20.04 首先，安装Anaconda：　　　具体的安装步骤可以查看这篇文章，亲测实用，https://blog.csdn.net/ITBigGod/article/details/85690257 然后，安装TensorFlow：　　　conda create -n tff (创建名为tff的虚拟环境）　　　cond

conda创建虚拟环境到指定文件夹

参考anaconda官方文档：https://docs.anaconda.com/anaconda/ 通常我们使用命令： conda create -n env_name python=x.x 创建一个环境，但是此时环境默认 $HOME/.conda/envs/env_name，在激活这个环境的时候，可以使用命令： source activate env_name 退出命令： source deactivate env_nam

Tensorflow 2下载网址

Tensorflow2：官网：https://tensorflow.google.cn/ 一个核心开源库，可以帮助您开发和训练机器学习模型。您可以通过直接在浏览器中运行 Colab 笔记本来快速上手。安装TensorFlow 2 pip install tensorflow 更新 TensorFlow 2 pip install --upgrade pip 卸载TensorFlow 2 pip

pytorch模型转换为onnx，并使用netron可视化

pytorch模型转换为onnx，并使用netron可视化 netron 是一个非常好用的网络结构可视化工具。但是netron对pytorch模型的支持还不成熟。自己试的效果是生成的模型图没有连线。目前支持的框架根据netron的github 目前netron支持： ONNX (.onnx, .pb, .pbtxt) Keras (.h5, .keras) Core

Tensorflow阶段性总结

前言本文是我的阶段性总结，基于四个周Tensorflow的深度学习与研究，夏令营亦即将暂时告一段落，觉得有必要沉下心来梳理一下，暂决定以下分三个部分去写：第一部分必是对所学内容的回顾第二部分应是对我之前的实战代码进行的梳理第三部分可以思考之后继续深度学习的范围一方面是巩

tensorflow——常见报错（持续更新）

tensorflow——常见报错问题一：描述：UnicodeDecodeError: 'gbk' codec can't decode byte 0x93 in position 5456: illegal multibyte sequence 图片描述：解决方法：将open(file) :改成 open(file, ‘r’, encoding=‘utf-8’) 问题二：描述：WARNING:tensorflow:Layer gru_3 will no

tensorflow——使用常见报错

tensorflow——常见报错问题一： UnicodeDecodeError: 'gbk' codec can't decode byte 0x93 in position 5456: illegal multibyte sequence图例：解决方案：

错误：AttributeError: module 'tensorflow.keras.xxxx' has no attribute 'xxxx'

因为tensorflow前后版本api变化大，常常会出现某某module不存在，推荐使用官方文档去查找api并按照特定的版本 tensorflow api 推荐的版本 tensorflow1.15 tensorflow2.6

TensorFlow - 使用 TensorFlowSharp 创建 C# 应用程序

如何使用 TensorFlowSharp 创建 C# 应用程序本文旨在演示如何充分利用 Python 来训练模型，以及如何使用 .NET 来构建使用已训练模型的假设最终用户应用程序。从 Github 下载源代码目录介绍关于张量流背景什么是MNIST？为什么选择 MNIST 深度学习感知器单感知器多层

使用 tensorboard注意事项

今天使用tensorflow1.2.0的时候，无法正确访问tensorboard，我当时tensorboard版本是1.15.0，bd后发现：注意 tensorflow 和tensorboard之间的版本匹配 tensorboard出现在 1.6.0之后尽量安装1.6之后的tensorflow版本使用conda 安装一般自带tensorboard tensorboard使用命令打开anacon

在jupyter中导入tensorflow 引起内核挂掉/h5py版本不匹配问题

安装过后仍然超时出错，原因是网络太慢，重新执行该命令，出现以下错误：如红字显示，tensorflow与h5py版本不匹配，按其中要求安装相应版本即可安装完成，又出现类似问题，出问题的地方分别是numpy , tensorflow-estimator,scipy 按照相应类似命令进行安装对应所需环境

安装tensorflow摘抄于B站up主tm9161

1.进入Anaconda官网，找到对应操作系统的Anaconda安装包进行下载。（https://www.anaconda.com/products/individual） 2.运行安装软件，点击下一步，选择路径。（如安装过其他Python编译器或环境，建议卸载） 3.勾选将Anaconda 3添加到系统的环境变量

6-6 使用tensorflow-serving部署模型——eat_tensorflow2_in_30_days

6-6 使用tensorflow-serving部署模型 TensorFlow训练好的模型以tensorflow原生方式保存成protobuf文件后可以用许多方式部署运行。例如：通过 tensorflow-js 可以用javascrip脚本加载模型并在浏览器中运行模型。通过 tensorflow-lite 可以在移动和嵌入式设备上加载并运行TensorFl

6-5使用tensorflow-serving部署模型——eat_tensorflow2_in_30_days

6-5使用tensorflow-serving部署模型 TensorFlow训练好的模型以tensorflow原生方式保存成protobuf文件后可以用许多方式部署运行。例如：通过 tensorflow-js 可以用javascrip脚本加载模型并在浏览器中运行模型。通过 tensorflow-lite 可以在移动和嵌入式设备上加载并运行TensorFlo

搭建TensorFlow-GPU

步骤 step1 1.1 下载下载安装Anaconda3 链接：Anaconda3 当然也可以从清华大学开源镜像站下载链接：清华大学开源镜像站Anaconda3下载地址 1.2 安装安装很简单，一步步跟着建议安装就行这里不建议勾选，不勾选添加到环境变量，后续可以用Anaconda Prompt 后面一步步就OK了 Step2 2.1

[JetsonNano] [教程] [入门系列] [三] 搭建TensorFlow环境

1.Miniforge&Mamba 1.安装miniforge&mamba 我们一般在PC机使用anaconda这类包管理器，但是由于jetson是arm架构CPU，所以我们要使用miniforge代替anaconda mamba是一个基于conda的C++多线程下载器，conda只能使用单线程下载，安装mamba加快conda下载速度 sudo apt update sudo apt upgr