1.使用tensorflow

1.张量和操作

tensorflow对张量的操作实际上和numpy差不多,不够有所差距,numpy的数据可以随时被修改,但是tensorflow的数据要分情况。

(1).使用tf.Constant()

a = tf.Constant([[1,2,3],[4,5,6]])

这个矩阵就是2*3的矩阵,但是它无法被修改,只能读取。

除了不能修改,其实和numpy的使用方法

比如查看它的大小也可以用:a.shape

索引方式也一样,这里不做过得描述

(2).tensorflow提供的数据操作函数

比如加法: a + 10 可以使用函数 tf.add(a, 10);

矩阵的乘法为tf.matmul(),它提供的函数和numpy都差不多,但是有些不一样,比如求和.tf.reduce_sum(),求均值为tf.reduce_mean(),求最大值tf.reduce_max();

numpy也可以用于tensorflow中,转换为张量。

(3)类型转换

tensorflow中有个很麻烦的东西,整形+浮点型会失败,float32和float64相加也会失败,它不会自动执行类型转换,需要你手动操作。

tf.cast()可以用来进行转换,比如把a转为float64类型的

tf.cast(a, tf.float64)

(4).变量

tf.Constant无法被改变,固定好深度学习的参数后,可以使用这个类型的变量,但是如果需要对它进行训练,则必须要使用tf.Variable

我们对tf.Variable的修改也需要使用特定的函数assign

a[0,0].assign(10)

这样a的第一个值就变为了10,这个就相当于a[0,0] = 10

麻烦就是这个啦,必须通过相应的函数来操作;

(5).其他数据结构

tensorflow还有其他数据结构,比如稀疏张量(tf.SparseTensor),张量数组(tf.TensorArrray),不规则张量(tf.RaggedTensor),字符串张量(tf.string)等等

2.定制模型和算法

1.自定义损失函数

比如自定义一个Huber

def huber_fn(y_true, y_pred):

error = tf.abs(y_true - y_pred);

is_small_error = tf.abs(error) < 1#门限设置为1

squared_loss = tf.abs(error)-0.5

return tf.where(is_small_error, squared_loss, linear_loss)

可以在Keras模型中使用这个函数

model.compile(loss=huber_fn, opitimizer= 'adam');

2.保存和加载自定义组件的模型

keras会保存函数的名字,每次加载的适合需要提供一个字典,将函数名称映射到实际函数。一般而言,当加载包含自定义对象的模式时,需要将名称映射到对象。

model = keras.models.load_model("model.h5", custom_objects = {'huber_fn':huber_fn})

如果需要更为灵活的函数,设定上面函数的阈值,不仅仅等于1

def more_freedom_huber(limit = 1.0):

def huber_fn(y_true, y_pred):

error = tf.abs(y_true - y_pred);

is_small_error = tf.abs(error) < 1#门限设置为1

squared_loss = tf.abs(error)-0.5

return tf.where(is_small_error, squared_loss, linear_loss)

return huber_fn
model = keras.models.load_model("model.h5", custom_objects = {'huber_fn':more_freedom_huber(2.0)})

还可以通过继承keras.losses.Loss类的子类,然后实现get_config()方法来解决问题

比如自定义激活函数,初始化方法,正则化和约束。

如果函数需要和模型一起保存,必须继承相应的对象,比如keras.regularizers.Regularizer,

相关推荐
小雷FansUnion1 小时前
深入理解MCP架构:智能服务编排、上下文管理与动态路由实战
人工智能·架构·大模型·mcp
资讯分享周1 小时前
扣子空间PPT生产力升级:AI智能生成与多模态创作新时代
人工智能·powerpoint
思则变2 小时前
[Pytest] [Part 2]增加 log功能
开发语言·python·pytest
叶子爱分享2 小时前
计算机视觉与图像处理的关系
图像处理·人工智能·计算机视觉
鱼摆摆拜拜2 小时前
第 3 章:神经网络如何学习
人工智能·神经网络·学习
一只鹿鹿鹿2 小时前
信息化项目验收,软件工程评审和检查表单
大数据·人工智能·后端·智慧城市·软件工程
张较瘦_2 小时前
[论文阅读] 人工智能 | 深度学习系统崩溃恢复新方案:DaiFu框架的原位修复技术
论文阅读·人工智能·深度学习
cver1232 小时前
野生动物检测数据集介绍-5,138张图片 野生动物保护监测 智能狩猎相机系统 生态研究与调查
人工智能·pytorch·深度学习·目标检测·计算机视觉·目标跟踪
漫谈网络3 小时前
WebSocket 在前后端的完整使用流程
javascript·python·websocket
学技术的大胜嗷3 小时前
离线迁移 Conda 环境到 Windows 服务器:用 conda-pack 摆脱硬路径限制
人工智能·深度学习·yolo·目标检测·机器学习