資料結構
網路
關係資料庫管理系統
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
時尚研究
法律研究如何使用Tensorflow呼叫層並獲取層中存在的變數？
可以透過首先定義層，然後使用“layer.kernel”和“layer.bias”訪問這些變數來使用Tensorflow呼叫層並獲取層中存在的變數。“tf.zeros”被使用，並且可以迭代和呼叫層。
閱讀更多： 什麼是TensorFlow以及Keras如何與TensorFlow一起建立神經網路？
包含至少一層的神經網路稱為卷積層。我們可以使用卷積神經網路構建學習模型。
影像分類遷移學習背後的直覺是，如果一個模型在大型通用資料集上進行訓練，則該模型可以有效地用作視覺世界的通用模型。它將學習特徵圖，這意味著使用者無需從頭開始在大型資料集上訓練大型模型。
TensorFlow Hub是一個包含預訓練TensorFlow模型的儲存庫。TensorFlow可用於微調學習模型。
我們將瞭解如何使用來自TensorFlow Hub的模型與tf.keras，使用來自TensorFlow Hub的影像分類模型。完成此操作後，可以執行遷移學習以微調模型以用於自定義影像類別。這是透過使用預訓練的分類器模型來獲取影像並預測它是做什麼的。這可以在無需任何訓練的情況下完成。
我們正在使用Google Colaboratory執行以下程式碼。Google Colab或Colaboratory有助於透過瀏覽器執行Python程式碼，並且無需任何配置即可免費訪問GPU（圖形處理單元）。Colaboratory構建在Jupyter Notebook之上。
示例
print("Layer is being called")
layer = MyDenseLayer(10)
_ = layer(tf.zeros([10, 5]))
print([var.name for var in layer.trainable_variables])程式碼來源 -https://www.tensorflow.org/tutorials/customization/custom_layers
輸出
Layer is being called ['my_dense_layer/kernel:0']
解釋
呼叫該層。
在控制檯上顯示層的名稱以及與層關聯的變數。
更新於： 2021年2月25日
89 次瀏覽
廣告