tensorflow-gpu tensorflow cudnn cuda
蔬菜识别系统Python+TensorFlow+Django+卷积神经网络算法
## 一、介绍 蔬菜识别系统，使用Python作为主要开发语言，基于深度学习TensorFlow框架，搭建卷积神经网络算法。并通过对数据集进行训练，最后得到一个识别精度较高的模型。并基于Django框架，开发网页端操作平台，实现用户上传一张图片识别其名称。 ## 二、效果图片 ![img_06_22 ......
使用TensorFlow进行自动化测试与部署
[toc] 标题：《使用 TensorFlow 进行自动化测试与部署》 背景介绍： 随着人工智能和机器学习技术的快速发展，TensorFlow 成为了一个广泛应用的深度学习框架，被广泛用于构建神经网络、图像识别、自然语言处理等应用。在深度学习应用中，测试和部署非常重要，因为测试和部署是保证应用程序质 ......
TensorFlow09.1 神经网络-其他训练Tricks(Early Stopping和Dropout)
Tricks ▪ Early Stopping ▪ Dropout ▪ Stochastic Gradient Descent # 1 Early stopping 我们走到最大指的时候我们可以提交stop掉，防止它overfitting。  分 ......
TensorFlow08 神经网络-过拟合与欠拟合、交叉验证与解决方法。
# 1 过拟合和欠拟合 线性模型  非线性模型  这个照片很模糊，大小只有[32,32]，所以我们预测的结果也不是很好。 # 2 自定义 ......
TensorFlow08 神经网络-模型的保存和加载
一般情况下有三种方式： ▪ save/load weights(只保存网络的参数，状态不管) ▪ save/load entire model（把所有的状态都保存） ▪ saved_model（交给工厂的时候可以用，可以跨语言） # 1 save/load weights 比如说你的网络里面有[w1 ......
TensorFlow07 神经网络-自定义网络
▪ keras.Sequential ▪ keras.layers.Layer ▪ keras.Model # 1 keras.Sequential  或者称之为 cores(核心)，橙色代表memories（内存） ，黄色代表的是control units（控制单元）。 因此想要理解GPU的底层核心构成，就必须明确这几个元素的作用 ......
安装NVIDIA cuda-toolkit
NVIDIA® CUDA®工具包为创建高性能 GPU 加速应用提供了发展环境。使用 CUDA 工具包，您可以在 GPU 加速嵌入式系统、桌面工作站、企业数据中心、基于云的平台和 HPC 超级计算机上开发、优化和部署您的应用程序。工具包包括 GPU 加速库、调试和优化工具、C/C++编译器以及一个运行 ......
TensorFlow06 kearas高级API
Keras != tf.keras ▪ datasets ▪ layers ▪ losses **▪ metrics(主要)** ▪ optimizers # 1 Keras.Metrics 1.Metrics(新建一个Matrics) 2.update_state(添加数据) 3.result() ......
TensorFlow05.3 神经网络-FashionMNIST实战
一.数据的加载： ``` (x, y), (x_test, y_test) = datasets.fashion_mnist.load_data() print(x.shape, y.shape) ``` 
首先这个是链式法则：   # 1 Basic Rule   梯度是一个向量 
▪ MSE ▪ Cross Entropy Loss(针对分类问题) ▪ Hinge Loss  # 1 ......
TensorFlow05.2-神经网络输出方式
这里的输出方式有这几种：  # 1 𝑦∈𝑅^d ▪ linear regression(线性回归) ......
TensorFlow05-全连接层
▪ Matmul ▪ Neural Network ▪ Deep Learning ▪ Multi-Layer # 1.Matmul - out=f(x@w+b) - out=relu(x@w+b)  2.tf.data.Dataset.from_tensor_slices(加载成tensor) - shuffle - map - batch - repeat # 2 tf.keras.datasets（） , (x_val, y_val) = datasets.mnist.load_data() x = tf.convert_to_tensor(x, dtype=tf.float32) / 255. y = tf.convert_to_tenso ......
在RHEL8上安装Nvidia Driver(CUDA)
一般来说深度学习还是用Ubuntu比较好，安装的时候直接帮你把Nvidia驱动装好，非常方便。 但是国内大批公司还是RHEL(CentOS)的，至于我们公司那只能用RHEL了。 RHEL装CUDA较为麻烦，牵涉的知识较为广泛。我也卡了很久，百思不得其解。 过去如果遇到装不上CUDA的问题，那很可能是 ......
TensorFlow02-手写数字的识别
# 1 数据集  使用灰度图片处理，每一张图片大小都标准化为一个28行，28列，每一个像素点的灰度值是0 ......
Tensorflow01-回归问题
# 1 线性回归 就是给你一堆数据`[[x0,y0],[x1,y1],[x2,y2] [xn,yn]]`然后得出一个y=wx+b来，这里我们引入损失函数loss=$\sum$（w*xi+b-yi）^2,然后我们就是最小化这个loss从而使得w'*x+b'->y  (deprecated from CUDA 9): SM20 or SM_20, compute_30 – Older cards such as GeForce 400, 500, 600 ......
pycharm编辑中遇到的tensorflow和cuda版本不匹配的问题
起因是报错 W tensorflow/stream_executor/platform/default/dso_loader.cc:64] Could not load dynamic library 'cudart64_110.dll'; dlerror: cudart64_110.dll not ......
踩坑CUDA和CUDNN安装，哭死
# 1 安装CUDA 博主在安装CUDA的时候安装了一个比自己显卡驱动高一个版本的CUDA，之后这个高版本的CUDA就把我的显卡驱动给更新了，电脑和显卡驱动不适配，然后电脑黑屏了，就是进入系统就黑屏了，最后还是进入安全模式之后卸载了显卡驱动之后解决了。所以我们再安装CUDA的时候一定要看清楚自己显卡 ......
tensorflow实现花分类
1. 花数据集 数据集来自kaggle官网下载。分为五类花，每类花有1000张图片。下载方式可以参考我的https://www.cnblogs.com/wancy/p/17446715.html 2. 图片大小分布图 训练模型之前，我们会需要先分析数据集，由于此类数据集每类花的图片数量一样，是均衡的 ......