首页
个人开发
工作相关
搜索
登录
搜索
colo
欲买桂花同载酒
累计撰写
1824
篇文章
累计收到
0
条评论
首页
栏目
首页
个人开发
工作相关
TensorFlow
2025-12-12
使用TensorFlow构建简单的线性回归模型
构建线性回归模型的要点:导入tensorflow和numpy创建模拟数据集:X(特征)和y(标签)使用tf.keras.Sequential创建单层Dense模型配置模型:选择Adam优化器和MeanSquaredError损失调用model.fit()训练模型(epochs=100)使用model.predict()进行预测
2025年-12月-12日
4 阅读
0 评论
TensorFlow
2025-12-12
使用TensorFlow构建一个抗过拟合的图像分类模型
构建抗过拟合图像分类模型的关键步骤:使用卷积神经网络(CNN)作为基础架构应用数据增强技术(如随机旋转/翻转)添加正则化层(Dropout/L2正则化)使用早停(EarlyStopping)和模型检查点监控验证集准确率和损失值
2025年-12月-12日
4 阅读
0 评论
TensorFlow
2025-12-12
实现自定义TensorFlow操作符(Op)并集成到计算图中
实现自定义TensorFlow操作符需要以下核心步骤:在C++中定义操作符接口和内核实现为操作符注册梯度计算(支持自动微分)实现CPU和GPU内核(可选)使用Python包装器封装操作符处理形状推断和类型检查关键注意事项:确保线程安全处理边界条件和错误输入优化内存访问模式(尤其GPU)正确注册梯度以避免计算图断裂
2025年-12月-12日
4 阅读
0 评论
TensorFlow
2025-12-11
使用TensorFlow构建CNN模型进行MNIST手写数字分类
实现MNIST分类的关键步骤:数据预处理:归一化像素值,调整输入形状,one-hot编码标签模型构建:使用Conv2D、MaxPooling2D、Flatten、Dense层构建CNN模型编译:选择Adam优化器,分类交叉熵损失函数,监控准确率模型训练:使用fit()方法,设置批量大小和训练轮数模型评估:在测试集计算准确率,可视化预测结果
2025年-12月-11日
4 阅读
0 评论
TensorFlow
2025-12-11
实现带梯度累积的混合精度训练自定义训练循环
实现带梯度累积的混合精度训练需要以下关键步骤:使用tf.keras.mixed_precision设置混合精度策略创建LossScaleOptimizer包装标准优化器在tf.GradientTape上下文中计算损失和梯度累积多个batch的梯度后再更新权重正确处理损失缩放和梯度反缩放管理训练状态重置
2025年-12月-11日
4 阅读
0 评论
TensorFlow