随笔分类 - Tensorflow
摘要:0 背景 通常我们使用tensorflow访问的基本都是本地文件,亦或是给定hdfs路径,让其访问hdfs文件,而新晋的minio可很好地生成s3兼容的api接口,从而让tensorflow直接读取minio建立的分布式文件系统。本文简单基于单机minio形式讲解如何从头让tensorflow访问m
阅读全文
摘要:首先借助qqwweee/keras-yolo3中的convert.py和tensorrt例子yolov3_onnx,并重新编写了代码,实现将darknet格式的yolov3的yolov3.cfg和yolov3.weights转换成keras(tensorflow)的h5格式 1 将darknet格式
阅读全文
摘要:在tensorflow1.8之后的版本中,tensorflow.contrib部分都有tensorrt的组件,该组件存在的意义在于,你可以读取pb文件,并调用tensorrt的方法进行subgraph压缩,其他不能压缩的subgraph依然被tensorflow所处理。这样的操作方式就不同于你生成一
阅读全文
摘要:0. 引言 通过源码方式安装,并进行一定程度的解读,有助于理解tensorflow源码,本文主要基于tensorflow v1.8源码,并借鉴于如何阅读TensorFlow源码. 首先,自然是需要去bazel官网了解下必备知识,如(1)什么是bazel; (2)bazel如何对cpp项目进行构建的;
阅读全文
摘要:接 "Tensorflow hub[例子解析1]" . 3 基于文本词向量的例子 3.1 创建Module 可以从 "Tensorflow hub[例子解析1]" .中看出,hub相对之前减少了更多的工作量。 首先,假设有词向量文本文件 该例子就是通过读取该文件去生成TF Hub Module,可以
阅读全文
摘要:0. 引言 Tensorflow于1.7之后推出了tensorflow hub,其是一个适合于迁移学习的部分,主要通过将tensorflow的训练好的模型进行模块划分,并可以再次加以利用。不过介于推出不久,目前只有图像的分类和文本的分类以及少量其他模型 这里先通过几个简单的例子,来展示该hub的使用
阅读全文
摘要:1. tensorflow工作流程 如官网所示: 根据整体架构或者代码功能可以分为: 图1.1 tensorflow架构 如图所示,一层C的api接口将底层的核运行时部分与顶层的多语言接口分离开。 而根据整个的工作流程,又可以分为: 图1.2 不同系统组件之间的交互 而图1.2也是tensorflo
阅读全文
摘要:1 - Tensorflow源码目录结构 基于2018年5月28日github的tensorflow源码,即1.8版本 第一层: tensorflow: 核心代码目录。 third_party:第三方库,包括:eigen3,fft2d,hadoop,mkl,probuf ,kafka,mpi,ten
阅读全文
摘要:###0.背景 通过对《tensorflow machine learning cookbook》第9章第3节"implementing_lstm"进行阅读,发现如下形式可以很方便的进行训练和预测,通过类进行定义,并利用了tf中的变量重用的能力,使得在训练阶段模型的许多变量,比如权重等,能够直接用在
阅读全文