原创 Tensorflow2.0學習(六) — 線性迴歸模型(燃油效率預測)

這一節開始主要講述Tensorflow官方提供的樣例代碼,我會對其中一些代碼部分進行修改並且詳細解釋大部分代碼的意思,方便初學的朋友們學習。這節課我們要完成的是一個線性迴歸模型的搭建及Auto MPG數據集的預測,順便附上官方代碼的鏈接:

原创 Tensorflow2.0學習(五) — Keras基礎應用(IMDb電影集情感分析)

今天這一節內容是關於Keras應用分析的最後一節,在熟悉了Keras的基礎知識之後,下面幾節我們就可以正式接觸Tensorflow2.0。根據博主多處查閱,最終還是發現Tensorflow的官方教程好一點,但是官方的代碼很多沒有註釋,不方

原创 Tensorflow2.0學習(十) — 基礎張量、微分操作及自定義層

因爲再後面一些分享的章節的內容很多是基於經典論文的復現了,裏面會牽扯到很多自定義的模型及其變換。而這些內容有些是我們的Keras API 無法完成的,例如Resnet的residual block。因此這一節課我們有必要去學習一些基礎、底

原创 Tensorflow2.0學習(九) — 通過keras自定義圖像數據集

上一節講解了如何用tensorflow自帶的函數自定義我們的數據集,那麼這一節我將通過調用tensorflow2.0的高級API keras來分享另一種自定義數據集的方式,並且這種方式會更加易懂方便一些。 這一節我們準備處理的數據集爲貓狗

原创 Tensorflow2.0學習(七) — 多種模型保存和加載的方式

這一節將比較仔細的講述一個比較重要的知識,就是模型的保存和加載。我們都知道深度學習模型在訓練一些大數據集的時候往往需要很長的時間,如果這時候突然斷網了或者停電了,那訓練不就GG了嗎?如果我想再次使用這個模型,難道要重新來過?當然不。在Te

原创 Tensorflow2.0學習(八) — tf.dataset自定義圖像數據集

這一節我們參照官方教程提供的代碼,研究如何製作自己的數據集並送入深度學習模型中訓練。我們可以看到,前幾節的內容很多是基於現成的數據集,直接導入使用即可。但在實際應用中,這顯然是不可行的。對於Tensorflow2.0,主要有兩種自定義製作

原创 基於阿里雲服務器的網站部署教程(三) — Python的Flask+html靜態文件+CSS+圖片部署

基於之前兩節阿里雲服務器部署的基礎,本節將會分享部署在阿里雲服務器的Flask如何結合HTML靜態文件、CSS和圖片設計一個稍微好看一點的網站。 一.網站創建及配置 1.這裏我們使用上節教程創建的IP地址的2222端口來進行部署測試。首先

原创 Tensorflow2.0學習(十二) — DCGAN(深度卷積生成對抗網絡)實戰

這一節將會談到如何使用tensoflow2.0去成功復現出DCGAN的結構並應用在我們的MNIST數據集上。在這裏,我們簡單的說一下GAN和DCGAN的相關知識。更仔細的原理部分大家可以參照其它博主的博客或者我的後續系列的分享中也會詳細提

原创 Tensorflow2.0學習(四) — Keras基礎應用(泰坦尼克生存率預測)

前幾節分享的內容都是基於圖片數據進行了簡單的分類工作,這節內容將應用keras對泰坦尼克旅客的文本數據進行預測,主要是做一個二分類的工作,根據官方提供的數據中的各項特徵預測每個旅客生存的概率是多少。 一.Titanic3數據集的下載 1.

原创 Tensorflow2.0學習(二)— Keras基礎應用(MNIST手寫數字圖像識別)

上一次第一節的內容是採用基本的神經網絡,多層感知機MLP進行手寫數據集訓練的,這次準備搭建卷積神經網絡對MNIST手寫數據集進行特徵提取,之後在送到MLP中進行訓練,關於之前提到的內容這邊就不再敘述,如果有對這節部分代碼內容有疑問的朋友們

原创 Tensorflow2.0學習(三) — Keras基礎應用(Cifar-10圖像分類)

關於Cifar-10數據集大家應該也比較熟悉,屬於比較經典的入門分類的數據集。這裏我們不採用Cifar-100,因爲類別太多訓練時間過長,因此用10類別的Cifar-10代替,這個數據集包括:飛機、汽車、鳥、貓、鹿、狗、青蛙、馬、船、卡車

原创 Tensorflow2.0學習(一) — Keras基礎應用(MNIST手寫數字圖像識別)

近期準備開始學習Tensorflow2.0, 順便複習一下Keras的一些相關原理,因此特此寫一些系列教程來分享以及記錄我學習過程中的一些知識,總結一些看過的書的內容和網上教程,文章內容均爲原創,可能會有些錯誤的地方,希望大家多多批評和支

原创 Tensorflow2.0學習(十一) — 貓狗分類遷移學習實戰

這一節我們將用Tensorflow2.0完成一個圖像領域處理的重要任務,即是“遷移學習”。遷移學習簡單來說就是一個預訓練的模型(已經在別的數據集上訓練過的)重新使用在另一個數據集或任務中。遷移學習不僅大大減小了我們的新數據集的訓練時間和難

原创 基於阿里雲服務器的網站部署教程(二) — Python的Flask+uwsgi+nginx部署

本節將分享如何將python的flask框架結合uwsgi和nginx在阿里雲服務器上進行生產環境的部署。這裏會簡單介紹一下這三者是什麼,更具體的知識大家可以去查看其它博主的教程。 Flask:一種基於python的Web應用框架,通過它

原创 基於阿里雲服務器的網站部署教程(一) — 服務器的購買及簡單部署

前段時間因爲學校的考試還有實習公司的項目,因此斷更了一段時間。最近準備先來更新一些關於在服務器上部署網站的教程,一方面是因爲近期在公司做一個NLP的系統,邊學習邊記錄。另一方面後續我會分享如何使用python的Flask+tensorfl