TensorFlow是一个由Google开发的开源机器学习框架，广泛用于数据流图的创建、训练和推理。它特别适合于深度学习模型的构建和部署。
1. TensorFlow 核心概念
- 图（Graph）：TensorFlow使用数据流图来表示计算。图中的节点称为操作（Operations，简称ops），边表示在这些操作之间流动的多维数据数组，即张量（Tensors）。
2024年09月29日
TensorFlow是一个由Google开发的开源机器学习框架，广泛用于数据流图的创建、训练和推理。它特别适合于深度学习模型的构建和部署。
2024年09月29日
本期我们将展示一种对路面类型和质量进行分类的方法及其步骤。为了测试这种方法，我们使用了我们制作的RTK数据集。
路面分类
该数据集[1]包含用低成本相机拍摄的图像，以及新兴国家常见的场景，其中包含未铺砌的道路和坑洼。路面类型是有关人或自动驾驶车辆应如何驾驶的重要信息。除了乘客舒适度和车辆维护以外，它还涉及每个人的安全。我们可以通过[2]中的简单卷积神经网络（CNN）结构来实现。
2024年09月29日
当我们拿到别人训练后保存的模型文件后，如果需要通过C++接口部署模型的话，一般情况下都需要将模型固化并保存为pb格式。Tensorflow提供了相关的固化命令脚本，下面以 .meta 格式的固化为例说明使用的方式。
2024年09月29日
2024年09月29日
这篇文章主要为大家介绍了python深度学习TensorFlow神经网络如何将训练得到的模型保存下来方便下次直接使用。为了让训练结果可以复用，需要将训练好的神经网络模型持久化
2024年09月29日
原文作者：ANKIT SACHAN
原文链接：https://cv-tricks.com/tensorflow-tutorial/save-restore-tensorflow-models-quick-complete-tutorial/
本教程包含以下四个部分：
2024年09月29日
tf.train.Saver().save()导出的checkpoint文件中是模型graph结构和权重。实际部署中都是使用pb格式文件，而这两者是可以相互转化的，重点是冻结需要保存的节点。
模型保存
saver = tf.train.Saver() saver.save(sess,"model.ckpt")
2024年09月29日
摘要： 随着 Serverless 的流行，将应用迁移到云上已经成了一种必然的趋势。我们今天来看一下如何将机器学习应用迁移到函数计算上。 1. 本地开发 首先我们看一下本地开发机器学习应用的步骤。我们大概可以将本地开发概括为三个步骤，分别是代码编写，安装依赖，运行调试。
随着 Serverless 的流行，将应用迁移到云上已经成了一种必然的趋势。
我们今天来看一下如何将机器学习应用迁移到函数计算上。
2024年09月29日
说明：本文依据《Sklearn 与 TensorFlow 机器学习实用指南》完成，所有版权和解释权均归作者和翻译成员所有，我只是搬运和做注解。
进入第二部分深度学习
在第十章以及之前tf练习中，训练的深度神经网络都只是简单的demo，如果增大数据量或是面对更多的特征，遇到的问题就会棘手起来。
2024年09月29日
选自Github
机器之心编译
参与：Jane W、李泽南
TensorFlow 是一个由谷歌发布的机器学习框架，在这篇文章中，我们将阐述 TensorFlow 的一些本质概念。相信你不会找到比本文更简单的介绍。
TensorFlow 机器学习范例——Naked Tensor