TensorFlow™是一个使用数据流图进行数值计算的开源软件库。图中的节点代表数学运算， 而图中的边则代表在这些节点之间传递的多维数组（张量）。这种灵活的架构可让您使用一个 API 将计算工作部署到桌面设备、服务器或者移动设备中的一个或多个 CPU 或 GPU。 TensorFlow 最初是由 Google 机器智能研究部门的 Google Brain 团队中的研究人员和工程师开发的，用于进行机器学习和深度神经网络研究， 但它是一个非常基础的系统，因此也可以应用于众多其他领域。
基本概念
以常见的分类问题来介绍机器学习的基本概念
-
模型是特征列与标签的对应关系
-
样本是由特征列和标签组成的数据
分类
使用入门
常见的七个步骤
-
搜集数据
-
数据准备
-
选择模型
-
训练模型
-
评估模型
推荐训练和评估所用的数据比例是4:1或7:3。选取何种比例取决于原始数据集的规模。如果你的数据非常多，那么用于验证的数据可能就不需要那么多了。
-
参数微调
-
预测
常用命令
# TF1迁移到TF2
tf_upgrade_v2 --intree ml/ --outtree ml_v2/ --reportfile report.txt
# 查看TensorFlow是CPU还是GPU
from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())
常见应用场景
常见问题及解决办法
Unknown activation function: relu6
from keras import backend as K
def relu6(x):
return K.relu(x, max_value=6)
with CustomObjectScope({'relu6': relu6}):
model=tf.keras.models.load_model(model_path)
KeyError: 'val_loss'
常用模型
- 文本检测 CRAFT DB 文本检测和文本识别常用算法