Deep Learning-TensorFlow TFLearn 快速搭建深度学习模型Alxnet
来源:互联网 发布:先导者之爱知重生 编辑:程序博客网 时间:2024/05/22 12:41
环境:ubantu16.04
软件:python2.7/cuda8.0
GPU:GTX1060
TensorFlow安装: pip install tensorflow-gpu (GPU版)
TFLearn安装:pip install tflearn
TFLearn
TFLearn 是一个构建在 TensorFlow 之上的模块化和透明的深度学习库。它为 TensorFlow 提供高层次 API,目的是便于快速搭建试验环境,同时保持对 TensorFlow 的完全透明和兼容性。
它的特点:
- 容易使用和易于理解的高层次 API 用于实现深度神经网络,附带教程和例子;
- 通过高度模块化的内置神经网络层、正则化器、优化器等进行快速原型设计;
- 对 TensorFlow 完全透明,所有函数都是基于 tensor,可以独立于 TFLearn 使用;
- 强大的辅助函数,训练任意 TensorFlow 图,支持多输入、多输出和优化器;
- 简单而美观的图可视化,关于权值、梯度、特征图等细节;
- 无需人工干预,可使用多 CPU、多 GPU;
- 高层次 API 目前支持最近大多数深度学习模型,像卷积网络、LSTM、BiRNN、BatchNorm、PReLU、残差网络、生成网络、增强学习。
1.安装:pip install tflearn
2.案例:
在 tflearn/examples/images/alexnet.py 下学习如何用 TFLearn 实现 AlexNet 用于 Oxford 17 类鲜花 数据集分类任务。用于 ImageNet 的 AlexNet 网络:
针对 Oxford 17类鲜花问题作出的修改:
- 输入图像尺寸变为 227 x 227;
- 将 2-tower 架构改为 single-tower;
- 最后一个分类层的输出类别数从 1000 变为 17。
直接运行 alexnet.py 文件将自动下载 Oxford 17 flowers 数据集进行训练,数据集包含17种类别,每种类别80张图片
训练过程
训练集:1224张,测试集:136张
迭代5000次,acc达99.95%
阅读全文
0 0
- Deep Learning-TensorFlow TFLearn 快速搭建深度学习模型Alxnet
- Deep Learning-TensorFlow (10) CNN卷积神经网络_ TFLearn 快速搭建深度学习模型
- 利用 TFLearn 快速搭建经典深度学习模型
- 利用 TFLearn 快速搭建经典深度学习模型
- [action]tensorflow 深度学习实战(1) deep learning 清洗数据
- 深度学习教程 TensorFlow and Deep Learning Tutorials
- Deep Learning深度学习
- Deep learning -深度学习
- Deep Learning(深度学习)
- 深度学习Deep learning
- 深度学习(Deep Learning)
- Deep Learning(深度学习)
- 深度学习Deep Learning
- deep learning 深度学习
- Deep Learning(深度学习) caffe模型 特征提取 (windows/linux)
- 【深度学习:CNN】Deep Learning模型之CNN
- Deep Learning(深度学习)Deep Learning的常用模型或者方法(一)
- Deep Learning(深度学习)Deep Learning的常用模型或者方法(二)
- 【C++】几大函数总结
- 贪心算法(4)
- Qt 学习 第2节 日志输出和保存
- 素数测试(判断素数)模板
- 贪心算法(5)
- Deep Learning-TensorFlow TFLearn 快速搭建深度学习模型Alxnet
- SolrCloud搜索引擎集群介绍
- Java:浅谈InputStream的close方法
- Y must be a vector or a character array
- javascript表达正则验证公共函数 检查元素,改成统一
- 贪心算法(6)
- MiniGui核心库编译配置选项
- 大疆M100 Onboard SDK Linux系统下飞行示例简记
- 引水入城(dfs的做法)洛谷p1514