模型保存 train.Saver类是TensorFlow提供的用于保存和还原模型的API，使用非常简单...

基于 Tensorflow 的 NN： 用张量表示数据，用计算图搭建神经网络，用会话执行计算图，优化线上的权重（参数），得到模型。

而在ubuntu上运行docker tensorflow-gpu镜像，仅仅需要安装nvidia驱动即可...

使用tensorflow过程中，训练结束后我们需要用到模型文件。有时候，我们可能也需要用到别人训练好的模型，并在这个基础上再次训练。这时候我们需要掌握如何操作这些模型数据...

一、架构概览 TensorFlow 的系统结构以 C API 为界,将整个系统分为前端和后端两个子系统： 前端系统:提供编程模型,负责构造计算图；后端系统:提供运行时环境,负责执行计算图...

通过结合深入学习框架 TensorFlow 和大数据框架 Apache Spark 、Apache Hadoop 的显着特征，TensorFlowOnSpark 能够在 GPU 和 CPU 服务器集群上实现分布式深度学习

TensorFlow有两种数据格式NHWC和NCHW，默认的数据格式是NHWC，可以通过参数data_format指定数据格式。

最近一个项目需要使用Tensorflow lite, 官网上的解释又特别简单，主要给了一个例子，但是这个例子和官网的解释又不一样。。。。这里简单记录下操作方法。

参考： Ubuntu21.10下安装TensorFlow及配置GPU支持（cuda11.1+cudnn8.1.0） Linux查看当前Cuda（CUDA Toolkit ）版本 Ubuntu22.04安装

用于识别物体 一、模型源码：https://github.com/tensorflow/models Protocol-buffer，Google开发的一套数据存储、网络通信时用于协议编码的工具库，和XML

1 前言 在接下来的这篇文章中，笔者将会以Fashion MNIST数据集为例来介绍如何用Tensorflow实现一个Softmax多分类模型。

作为支撑AlphaGo复杂训练任务的深度学习框架tensorflow...

TensorFlow Data Flow Graph 一：层的理解 为了形象的理解神经网络，我们提出了层的概念，虽然这更加的形象了，但同时也给初学者带来了很多困扰和不太理解的地方，主要就是在涉及到代码的时候

框架结构 在介绍Estimator之前需要对它在TensorFlow这个大框架的定位有个大致的认识，如下图示： 可以看到Estimator是属于High level的API，而Mid-level API

tensorflow是谷歌开源的人工智能库，有最完善的生态支持。是进行人工智能领域开发和科研的必备工具。

tensorflow 中自带了很多图像处理的方法，基本都在 tf.image 模块中，虽然不如 opencv 强大，但也比较常用，这里做个记录。 图像编解码 1.

1.tf.keras 搭建神经网络六步法 第一步：import 相关模块，如 import tensorflow as tf。

下面是 TensorFlow 中的优化器， https://www.tensorflow.org/api_guides/python/train 在 keras 中也有 SGD，RMSprop，Adagrad

合并和分割 合并是指将多个张量在某个维度上合并为一个张量，比如我们要将某学校所有的考试成绩单进行合并，张量A中记录了该学校1-4班的50名学生的9门科目的成绩，此时对应的shape就是[4,50,9]，张量B记录了5-10班的成绩，此时的shape就是[6,50,9]，我们合并这两个张量就能够得到该学校全部成绩的张量C为[10,50,9]，此时张量合并的用处就得以体现了...

光复制几个代码到自己机器上跑是没有用的。要理解！公式理解有困难...