Tensorflow 2.0 目标识别（二）——CUDA&CUDNN安装

安装TF命令，gpu版本： pip install tensorflow_gpu==2.1.0 -i https://pypi.tuna.tsinghua.edu.cn/simple 安装好后可能会报错的几个地方： 找不到dll，可能的地方CUDA的环境变量没弄对，cudnn版本和CUDA不匹配。 cudart64_*.dll,类似100改101之类的，能自然匹配最好，不行就搜素后改下名字...

到目前为止，您应该已经执行以下操作： 已安装的TensorFlow 已安装的TensorFlow对象检测API 既然我们已经完成了上述所有工作，我们就可以开始做一些很酷的事情。在这里，我们将看到如何训练自己的对象检测器，由于它听起来并不简单，因此我们来看看： 如何组织工作区/培训文件 如何准备/注释图像数据集 如何从此类数据集生成tf记录 如何配置简单的培训管道 如何训练模型并监控其进度 如何导出结果模型并将其用于检测对象。 1.2.1 准备工作区 如果您已按照本教程进行操作，那么..

报错提示：failed to create cublas handle: CUBLAS_STATUS_ALLOC_FAILED 分析：显存不足 解决方法：关闭 jupyter

文章目录tensorflow object decetion 上一部分介绍了如何打标，对这方面的工作感到心累。 tensorflow object decetion

使用Tensorflow 2进行猫狗分类识别 本文所需代码均在Jupyter Notebook当中实现。 目录使用Tensorflow 2进行猫狗分类识别数据集获取文件解压将文件分为训练集与验证集绘图查看模型建立 数据集获取 使用tf.keras.utils.get_file()能够从指定的URL当中直接获取数据集，我们在已知网站当中获取到猫狗偶分类所需图片，为压缩包格式，将其命名为cats_and_dogs_filtered.zip，为该操作设置一个变量path，该变量指向的便是该数据集下载之后存储的路径

从实时视频流中识别出人脸区域，从原理上看，其依然属于机器学习的领域之一，本质上与谷歌利用深度学习识别出猫没有什么区别。程序通过大量的人脸图片数据进行训练，利用数学算法建立建立可靠的人脸特征模型，如此即可识别出人脸。幸运的是，这些工作OpenCV已经帮我们做了，我们只需调用对应的API函数即可，先给出代码： import sys from PIL import Image def CatchUsb...

参照博主dy_guox的帖子： 原文地址 搭建环境，但是原贴是原博主一年多之前所写，我的搭建过程中有一些弯路。 把更新的搭建过程记录下来。 因为我的旧电脑是win7系统，无法安装最新版的cuda,因此选择和原博主一样的版本，版本虽然旧但不影响学习。 系统配置 Software versions OS Windows, Linux Python 3.8 TensorFlow 2.2.0 CUDA Toolkit 10.1 CuDNN 7.6.5 Anaconda Navi

TensorFlow 2.0 简单车牌识别 说明：使用tensorflow2 训练模型，然后冻结模型，使用opencv 的 dnn 模块进行推断。这只是个简单的demo,本质上就是个分类模型。主要工作还是在车牌字符的分割。在推断部分只要主意好图片的格式就好。 GitHub 1、tensorflow 训练模型 （1）数据集准备 使用 百度 ai studio 上提供的车牌数据集 部分数据集图片（图片命名还是比较乱的）： （2）数据集处理 data_path = 'E:\\code\\tf\\proj\\

步骤准备：  1  数据准备：可以直接从'/tmp/tensorflow/mnist/input_data'中获取   2 创建模型：x W b   3 定义损失函数和优化形式（采用softmax分类器）   4 启动会话（Session）   5 训练模型   6 测试并计算输出    其中softmax分类器的原理请参考：Softmax回归 程序： #TensorFlow手

今天复习了一下卷积神经网络的猫狗识别部分，主要还是加强了数据的读取和数据的预处理这一部分。 学会用tf.data去创建数据集，用tf.keras来创建模型，直接上代码。 这里写目录标题1、卷积神经网络之猫狗识别1）数据集的创建2）图片数据预处理3）模型的创建与训练4）绘图展示 1、卷积神经网络之猫狗识别 1）数据集的创建 lambda的详情可参考：链接: 关于Python中的lambda，这篇阅读量10万+的文章可能是你见过的最完整的讲解. import tensorflow as tf from ten

一、什么是Tensor tensor翻译成中文就是张量，本意上是指任何维度大于2的变量，在tensorflow中，不论什么维度，都可以叫做tensor 在一般的理解中，我们把维度为0的数据称为元素，维度为1的数据称为向量，维度为2的数据称为矩阵，维度为2以上的数据称为张量 二、如何创建Tensor tf.constant(数据)就可以创建一个tensor,tensor可以是任意的数据类型，在创建过程中，我们可以使用dtype=的参数来定义这个tensor的变量类型，但是要注意定义的类型与我们的数据类型是否相

import tensorflow as tf from PIL import Image import numpy as np import matplotlib.pyplot as plt import pandas as pd mnist = tf.keras.datasets.mnist #载入 MNIST 数据集，并将整型转换为浮点型，除以 255 是为了归一化。 (x_train,...

初学者minst手写数字识别（TensorFlow2.0实现） 本人只做无情的代码搬运工： 代码来源：链接:https://tensorflow.google.cn/tutorials/quickstart/beginner 下面展示代码`。 //将 TensorFlow 载入你的程序： import tensorflow as tf // 载入并准备好 MNIST 数据集。将样本从整数转换为浮点数： mnist = tf.keras.datasets.mnist (x_train, y_train),

在上文的代码中修改只是增加存储选项 import sys import cv2 def CatchPICFromVideo(path_name, window_name="GET_FACE", camera_idx=0, catch_pic_num=1000): cv2.namedWindow(window_name) # 视频来源，可以来自一段已存好的视频，也可以直接来自...