- 介绍centos系统中grid license服务搭建 介绍centos系统中grid license服务搭建
- 一、EAST网络介绍EAST，An Efficient and Accurate Scene Text Detector：https://arxiv.org/abs/1704.03155v2EAST做文本检测只需要两步：先是一个全卷积的网络直接产生一个字符或者文本行的预测（可以是旋转的矩形或者不规则四边形），然后通过NMS（Non-Maximum Suppression）算法合并最后的结果。... 一、EAST网络介绍EAST，An Efficient and Accurate Scene Text Detector：https://arxiv.org/abs/1704.03155v2EAST做文本检测只需要两步：先是一个全卷积的网络直接产生一个字符或者文本行的预测（可以是旋转的矩形或者不规则四边形），然后通过NMS（Non-Maximum Suppression）算法合并最后的结果。...
- [线上模型挑战] ICNet 模型迁移（TensorFlow GPU To Ascend 910）记录, ICNet 主要用于图像实时语义分割，能够兼顾速度和准确性。 ICNet的主要思想是将输入图像变换为不同的分辨率，然后用不同计算复杂度的子网络计算不同分辨率的输入，然后将结果合并。 [线上模型挑战] ICNet 模型迁移（TensorFlow GPU To Ascend 910）记录, ICNet 主要用于图像实时语义分割，能够兼顾速度和准确性。 ICNet的主要思想是将输入图像变换为不同的分辨率，然后用不同计算复杂度的子网络计算不同分辨率的输入，然后将结果合并。
- 本文通过使用tensorflow，以手写数字识别为例，通过tensorflow常用的3种建模方式分别演示和介绍模型训练、模型保存、以及离线模型转换三个步骤，在下一篇(二)模型加载与运行推理中介绍转换后的模型如何部署与运行推理。 运行环境: Ubuntu 18.04 x86_64 本文通过使用tensorflow，以手写数字识别为例，通过tensorflow常用的3种建模方式分别演示和介绍模型训练、模型保存、以及离线模型转换三个步骤，在下一篇(二)模型加载与运行推理中介绍转换后的模型如何部署与运行推理。 运行环境: Ubuntu 18.04 x86_64
- 根据atlas300样例使用tensorflow模型转换，首先将cpkt模型文件转换为字典形式格式，即为，key-value，然后，根据自己的需要修改保存为pb文件的节点，最后使用omg进行转换。 注意不支持5维度，所以特别需要关注后处理。 根据atlas300样例使用tensorflow模型转换，首先将cpkt模型文件转换为字典形式格式，即为，key-value，然后，根据自己的需要修改保存为pb文件的节点，最后使用omg进行转换。 注意不支持5维度，所以特别需要关注后处理。
- 代码源文件放在下方附件中，请自取。 代码源文件放在下方附件中，请自取。
- 数据集下载位置：https://foodandfood1.obs.cn-north-4.myhuaweicloud.com:443/flower_photos.zip?AccessKeyId=PQNDUKNXKYOHOFXSDEDA&Expires=1636360547&Signature=%2BLINASwvdhfDU0UK9l8A12CvpTk%3D 数据集下载位置：https://foodandfood1.obs.cn-north-4.myhuaweicloud.com:443/flower_photos.zip?AccessKeyId=PQNDUKNXKYOHOFXSDEDA&Expires=1636360547&Signature=%2BLINASwvdhfDU0UK9l8A12CvpTk%3D
- moxing的编程方式和tensorflow estimator差不多，但是moxing编码更加简化，举例： 同样实现resnet50，moxing只需要100行代码，而tensorflow estimator实现需要1000行 moxing的编程方式和tensorflow estimator差不多，但是moxing编码更加简化，举例： 同样实现resnet50，moxing只需要100行代码，而tensorflow estimator实现需要1000行
- 前言鸢尾花识别是学习AI入门的案例，这里和大家分享下使用Tensorflow 2框架，编写程序，获取鸢尾花数据，搭建神经网络，最后训练和识别鸢尾花。鸢尾花识别——思路流程： 1）获取鸢尾花数据，分析处理。 2）整理数据位训练集，测试集。 3）搭建神经网络模型。 4）训练网络，优化网络模型参数。 5）保存最优的模型，进行鸢尾花识别。认识鸢尾花我们先认识下什么是鸢尾... 前言鸢尾花识别是学习AI入门的案例，这里和大家分享下使用Tensorflow 2框架，编写程序，获取鸢尾花数据，搭建神经网络，最后训练和识别鸢尾花。鸢尾花识别——思路流程： 1）获取鸢尾花数据，分析处理。 2）整理数据位训练集，测试集。 3）搭建神经网络模型。 4）训练网络，优化网络模型参数。 5）保存最优的模型，进行鸢尾花识别。认识鸢尾花我们先认识下什么是鸢尾...
- Open Neural Network Exchange（ONNX，开放神经网络交换）格式，是一个用于表示深度学习模型的标准，可使模型在不同框架之间进行转移。本文主要介绍了如何通过onnx将pytorch模型转换为tensorflow模型和pb格式，以及踩过的一些坑。 Open Neural Network Exchange（ONNX，开放神经网络交换）格式，是一个用于表示深度学习模型的标准，可使模型在不同框架之间进行转移。本文主要介绍了如何通过onnx将pytorch模型转换为tensorflow模型和pb格式，以及踩过的一些坑。
- 维度增加 tf.expand_dims(input,axis,name=None)维度减少 tf.squeeze(input,axis=None,name=None)转置 tf.transpose(a,perm=None,conjugate=False,name='transpose')a = tf.constant([[1,3],[5,7]])b = tf.constant([[2,4],... 维度增加 tf.expand_dims(input,axis,name=None)维度减少 tf.squeeze(input,axis=None,name=None)转置 tf.transpose(a,perm=None,conjugate=False,name='transpose')a = tf.constant([[1,3],[5,7]])b = tf.constant([[2,4],...
- 本章重点介绍“tf.data”和“tf.keras”这两个API的理论。“tf.data”APItf.data”API除GPU和TPU等硬件加速设备外，高效的数据输入管道也可以很大程度地提升模型性能，减少模型训练所需要的时间。数据输入管道本质是一个ELT（Extract、Transform和Load）过程：●Extract：从硬盘中读取数据（可以是本地的，也可以是云端的）。●Transfor... 本章重点介绍“tf.data”和“tf.keras”这两个API的理论。“tf.data”APItf.data”API除GPU和TPU等硬件加速设备外，高效的数据输入管道也可以很大程度地提升模型性能，减少模型训练所需要的时间。数据输入管道本质是一个ELT（Extract、Transform和Load）过程：●Extract：从硬盘中读取数据（可以是本地的，也可以是云端的）。●Transfor...
- 本章主要是阐述Tensorflow2.0的架构，并选取了两个重要的API进行简单介绍。作为全球最受欢迎、使用最为广泛的机器学习平台之一，TensorFlow在其发展的三年时间也是机器学习和人工智能发展最为迅猛的三年。TensorFlow2.0是一个重要的里程碑，其重心放在了简单性和易用性上，尽量降低用户使用的门槛。TensorFlow团队为其添加了许多的组件，在TensorFlow2.0里，... 本章主要是阐述Tensorflow2.0的架构，并选取了两个重要的API进行简单介绍。作为全球最受欢迎、使用最为广泛的机器学习平台之一，TensorFlow在其发展的三年时间也是机器学习和人工智能发展最为迅猛的三年。TensorFlow2.0是一个重要的里程碑，其重心放在了简单性和易用性上，尽量降低用户使用的门槛。TensorFlow团队为其添加了许多的组件，在TensorFlow2.0里，...
- 本章针对有TensorFlow1.0基础的学习者，如果没有了解过TensorFlow的小伙伴也可以直接跳过，不影响后续学习~从1.x到2.0的变化TensorFlow2.0在1.x的基础上做了重新设计，重点放在了提升开发人员的工作效率。TensorFlow2.0为了提升易用性做了很多改进，例如对API做了精简，删除了冗余的API，使得API更加一致（例如统一TensorFlow和tf.ker... 本章针对有TensorFlow1.0基础的学习者，如果没有了解过TensorFlow的小伙伴也可以直接跳过，不影响后续学习~从1.x到2.0的变化TensorFlow2.0在1.x的基础上做了重新设计，重点放在了提升开发人员的工作效率。TensorFlow2.0为了提升易用性做了很多改进，例如对API做了精简，删除了冗余的API，使得API更加一致（例如统一TensorFlow和tf.ker...
- 本专栏内容源于《TensorFlow2.0从零开始学》。我在阅读后收获挺多，最近抽空整理出学习笔记和大家分享，截取了书中内容和大家分享，加入一些自己的理解。后续有时间也会有代码讲解，初学者不要错过！我会把重点划出来~TensorFlow2.0的历史介绍我们就不提了，感兴趣的小伙伴自己百度，本专栏主要是带领大家使用TensorFlow2.0这个深度学习框架。1.计算图计算图是一个有向图，是对T... 本专栏内容源于《TensorFlow2.0从零开始学》。我在阅读后收获挺多，最近抽空整理出学习笔记和大家分享，截取了书中内容和大家分享，加入一些自己的理解。后续有时间也会有代码讲解，初学者不要错过！我会把重点划出来~TensorFlow2.0的历史介绍我们就不提了，感兴趣的小伙伴自己百度，本专栏主要是带领大家使用TensorFlow2.0这个深度学习框架。1.计算图计算图是一个有向图，是对T...
上滑加载中
推荐直播
-
企业员工、应届毕业生、在读研究生共探项目实践2024/12/02 周一 19:00-21:00
姚圣伟 在职软件工程师 昇腾社区优秀开发者 华为云云享专家 HCDG天津地区发起人
大神带你一键了解和掌握LeakyReLU自定义算子在ONNX网络中应用和优化技巧，在线分享如何入门，以及在工作中如何结合实际项目进行学习
回顾中 -
昇腾云服务ModelArts深度解析：理论基础与实践应用指南2024/12/03 周二 14:30-16:30
Alex 华为云学堂技术讲师
如何快速创建和部署模型，管理全周期AI工作流呢？本期直播聚焦华为昇腾云服务ModelArts一站式AI开发平台功能介绍，同时结合基于ModelArts 的实践性实验，帮助开发者从理论到实验更好地理解和使用ModelArts。
去报名 -
深度解析鸿蒙应用入门级开发者认证2024/12/04 周三 16:00-18:00
Edi 华为云学堂技术讲师
本期直播将为开发者带来HCCDA-HarmonyOS&Cloud Apps认证课程系统介绍、详细阐述HarmonyOS 技术架构、理解HarmonyOS 技术理念，通过实例带领开发者应用快速上手。
去报名
热门标签