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 ...

Sequential model 方法一、 返回原模型（不包含最后一层）的拷贝 new_model = tf.keras.models.Sequential(base_model.layers[:-1]) 方法二、 原地删除原模型的最后一层 base_model._layers.pop ...

Keras 是一个用于构建和训练深度学习模型的高阶 API。它可用于快速设计原型、高级研究和生产。 keras的3个优点： 方便用户使用、模块化和可组合、易于扩展 1.导入tf.keras tensorflow2推荐使用keras构建网络，常见的神经网络都包含在keras.layer中(最新 ...

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 ...

如果想尝试使用Google Colab上的TPU来训练模型，也是非常方便，仅需添加6行代码。 在Colab笔记本中：修改->笔记本设置->硬件加速器 中选择 TPU 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_TPU》： https ...