如果使用多GPU训练模型，推荐使用内置fit方法，较为方便，仅需添加2行代码。 在Colab笔记本中：修改->笔记本设置->硬件加速器 中选择 GPU 注：以下代码只能在Colab 上才能正确执行。 可通过以下colab链接测试效果《tf_多GPU》： https ...

深度学习的训练过程常常非常耗时，一个模型训练几个小时是家常便饭，训练几天也是常有的事情，有时候甚至要训练几十天。 训练过程的耗时主要来自于两个部分，一部分来自数据准备，另一部分来自参数迭代。 当数据准备过程还是模型训练时间的主要瓶颈时，我们可以使用更多进程来准备数据。 当参数迭代过程成为训练 ...

本篇文章介绍在spark中调用训练好的tensorflow模型进行预测的方法。 本文内容的学习需要一定的spark和scala基础。 如果使用pyspark的话会比较简单，只需要在每个excutor上用Python加载模型分别预测就可以了。 但工程上为了性能考虑，通常使用的是scala版本 ...

1.一般的模型构造、训练、测试流程 2.自定义损失和指标 自定义指标只需继承Metric类， 并重写一下函数 _init_(self)，初始化。 update_state(self，y_true，y_pred，sample_weight = None)，它使用目标y_true ...

　　最近对tensorflow十分感兴趣，所以想做一个系列来详细讲解tensorflow来。 　　本教程主要由tensorflow2.0官方教程的个人学习复现笔记整理而来，并借鉴了一些keras构造神经网络的方法，中文讲解，方便喜欢阅读中文教程的朋友，tensorflow官方教程：https ...

1.一般的模型构造、训练、测试流程 2.自定义损失和指标 自定义指标只需继承Metric类， 并重写一下函数 _init_(self)，初始化。 update_state(self，y_true，y_pred，sample_weight = None)，它使用目标y_true ...

一、保存、读取说明 　　我们创建好模型之后需要保存模型，以方便后续对模型的读取与调用，保存模型我们可能有下面三种需求：1、只保存模型权重参数；2、同时保存模型图结构与权重参数；3、在训练过程的检查点保存模型数据。下面分别对这三种需求进行实现。 二、仅保存模型参数 　　仅保存模型参数 ...