<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Tensorflow on Yaohong</title><link>https://yh.timefriend.vip/tags/tensorflow/</link><description>Recent content in Tensorflow on Yaohong</description><generator>Hugo</generator><language>en-us</language><lastBuildDate>Sun, 15 Nov 2020 22:56:20 +0800</lastBuildDate><atom:link href="https://yh.timefriend.vip/tags/tensorflow/index.xml" rel="self" type="application/rss+xml"/><item><title>双线插值是什么？</title><link>https://yh.timefriend.vip/post/machinelearning/bilinearinterpolation/</link><pubDate>Sun, 15 Nov 2020 22:56:20 +0800</pubDate><guid>https://yh.timefriend.vip/post/machinelearning/bilinearinterpolation/</guid><description>&lt;h1 id="双线插值是什么"&gt;双线插值是什么？&lt;/h1&gt;&#10;&lt;p&gt;图像处理中，有时我们需要放大图片，比如原来图片宽高是&lt;code&gt;300*300&lt;/code&gt;px，如果要在&lt;code&gt;500*500&lt;/code&gt;的屏幕上展示，这时一种方法就是把图片直接拉大到&lt;code&gt;500*500&lt;/code&gt;，但会发现图像变得模糊了，有没有什么办法可以放大图像而又不会让图像过于模糊呢？&lt;/p&gt;</description></item><item><title>如何计算全连接神经元参数</title><link>https://yh.timefriend.vip/post/machinelearning/tensorflowmodelsummary/</link><pubDate>Thu, 22 Oct 2020 07:56:20 +0800</pubDate><guid>https://yh.timefriend.vip/post/machinelearning/tensorflowmodelsummary/</guid><description>&lt;h1 id="如何计算全连接神经元参数"&gt;如何计算全连接神经元参数？&lt;/h1&gt;&#10;&lt;p&gt;模型源码为：&lt;/p&gt;&#10;&lt;div class="highlight"&gt;&lt;pre tabindex="0" style="color:#f8f8f2;background-color:#282a36;-moz-tab-size:4;-o-tab-size:4;tab-size:4;-webkit-text-size-adjust:none;"&gt;&lt;code class="language-py" data-lang="py"&gt;&lt;span style="display:flex;"&gt;&lt;span&gt;&lt;span style="color:#ff79c6"&gt;from&lt;/span&gt; tensorflow.keras &lt;span style="color:#ff79c6"&gt;import&lt;/span&gt; models&#10;&lt;/span&gt;&lt;/span&gt;&lt;span style="display:flex;"&gt;&lt;span&gt;&lt;span style="color:#ff79c6"&gt;from&lt;/span&gt; tensorflow.keras &lt;span style="color:#ff79c6"&gt;import&lt;/span&gt; layers&#10;&lt;/span&gt;&lt;/span&gt;&lt;span style="display:flex;"&gt;&lt;span&gt;network &lt;span style="color:#ff79c6"&gt;=&lt;/span&gt; models&lt;span style="color:#ff79c6"&gt;.&lt;/span&gt;Sequential()&#10;&lt;/span&gt;&lt;/span&gt;&lt;span style="display:flex;"&gt;&lt;span&gt;network&lt;span style="color:#ff79c6"&gt;.&lt;/span&gt;add(layers&lt;span style="color:#ff79c6"&gt;.&lt;/span&gt;Dense(&lt;span style="color:#bd93f9"&gt;504&lt;/span&gt;, activation&lt;span style="color:#ff79c6"&gt;=&lt;/span&gt;&lt;span style="color:#f1fa8c"&gt;&amp;#39;relu&amp;#39;&lt;/span&gt;, input_shape&lt;span style="color:#ff79c6"&gt;=&lt;/span&gt;(&lt;span style="color:#bd93f9"&gt;504&lt;/span&gt;,)))&#10;&lt;/span&gt;&lt;/span&gt;&lt;span style="display:flex;"&gt;&lt;span&gt;network&lt;span style="color:#ff79c6"&gt;.&lt;/span&gt;add(layers&lt;span style="color:#ff79c6"&gt;.&lt;/span&gt;Dense(&lt;span style="color:#bd93f9"&gt;11&lt;/span&gt;, activation&lt;span style="color:#ff79c6"&gt;=&lt;/span&gt;&lt;span style="color:#f1fa8c"&gt;&amp;#39;softmax&amp;#39;&lt;/span&gt;))&#10;&lt;/span&gt;&lt;/span&gt;&lt;span style="display:flex;"&gt;&lt;span&gt;network&lt;span style="color:#ff79c6"&gt;.&lt;/span&gt;summary()&#10;&lt;/span&gt;&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;&lt;/div&gt;&lt;p&gt;输出：&lt;/p&gt;&#10;&lt;pre tabindex="0"&gt;&lt;code&gt;Model: &amp;#34;sequential&amp;#34;&#10;_________________________________________________________________&#10;Layer (type) Output Shape Param # &#10;=================================================================&#10;dense (Dense) (None, 504) 254520 &#10;_________________________________________________________________&#10;dense_1 (Dense) (None, 11) 5555 &#10;=================================================================&#10;Total params: 260,075&#10;Trainable params: 260,075&#10;Non-trainable params: 0&#10;_________________________________________________________________&#10;&lt;/code&gt;&lt;/pre&gt;&lt;p&gt;在第一行中，dense中的254520是怎么计算呢？&#10;其计算方式如下：&lt;/p&gt;</description></item><item><title>Tensorflow 保存和加载model</title><link>https://yh.timefriend.vip/post/machinelearning/tensorflowsaveandloadmodel/</link><pubDate>Wed, 21 Oct 2020 20:56:20 +0800</pubDate><guid>https://yh.timefriend.vip/post/machinelearning/tensorflowsaveandloadmodel/</guid><description>&lt;h1 id="tensorflow-保存和加载model"&gt;Tensorflow 保存和加载model&lt;/h1&gt;&#10;&lt;p&gt;保存model的代码:&lt;/p&gt;&#10;&lt;div class="highlight"&gt;&lt;pre tabindex="0" style="color:#f8f8f2;background-color:#282a36;-moz-tab-size:4;-o-tab-size:4;tab-size:4;-webkit-text-size-adjust:none;"&gt;&lt;code class="language-py" data-lang="py"&gt;&lt;span style="display:flex;"&gt;&lt;span&gt;&lt;span style="color:#ff79c6"&gt;import&lt;/span&gt; tensorflow &lt;span style="color:#ff79c6"&gt;as&lt;/span&gt; tf&#10;&lt;/span&gt;&lt;/span&gt;&lt;span style="display:flex;"&gt;&lt;span&gt;save_model_path &#9;&lt;span style="color:#ff79c6"&gt;=&lt;/span&gt; &lt;span style="color:#f1fa8c"&gt;&amp;#34;/save_model&amp;#34;&lt;/span&gt; &lt;span style="color:#6272a4"&gt;# 保存的文件夹路径&lt;/span&gt;&#10;&lt;/span&gt;&lt;/span&gt;&lt;span style="display:flex;"&gt;&lt;span&gt;network&lt;span style="color:#ff79c6"&gt;.&lt;/span&gt;save(save_model_path);&#10;&lt;/span&gt;&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;&lt;/div&gt;&lt;p&gt;保存的目录格式如下，期中&lt;code&gt;saved_model.pb&lt;/code&gt;是主要的文件：&lt;/p&gt;&#10;&lt;pre tabindex="0"&gt;&lt;code&gt;save_model&#10;&#9;-- assets&#10;&#9;-- variables&#10;&#9;&#9;-- variables.data-00000-of-00001&#10;&#9;&#9;-- variables.index&#10;&#9;-- saved_model.pb&#10;&lt;/code&gt;&lt;/pre&gt;&lt;p&gt;加载model如下：&lt;/p&gt;</description></item></channel></rss>