tensorflow20训练自己的数据集(tensorflow训练自己的数据)

CycleGAN原理及实验(TensorFlow)

1、传统的GAN是单向的：训练这个单向GAN需要两个loss：生成器的重建Loss和判别器的判别Loss。 重建Loss ：希望生成的图片Gba(Gab(a))与原图a尽可能的相似。CycleGAN本质上是两个镜像对称的GAN，构成了一个环形网络。

2、深度学习主要学的有：神经网络、BP反向传播算法、TensorFlow深度学习工具等。深度学习英文全称为：deep learning，是机器学习的分支，主要是把人工神经网络当作构架，进而对数据进行表征学习的算法。

tensorflow2.0(2)-自定义Dense层以及训练过程

1、接下来也将继续从比较基础的层面去了解tf0的各种实现 tensorflow0在上以keras去搭建网络，这种封装好的基础/高级api在使用上无疑更便捷，但在学习的过程中也不妨自己去实现一些功能，加深理解。

2、dense层的目的，是将前面提取的特征，在dense经过非线性变化，提取这些特征之间的关联，最后映射到输出空间上。

3、步骤2：安装TensorFlow 安装TensorFlow的方式有多种，其中最简单也是最常见的方式是使用pip命令来安装。

4、第二 ， CLASS torch.nn.Linear( in_features ， out_features ， bias=True ， device=None ， dtype=None ) ，Linear又叫全连接层，TensorFlow里面叫Dense，主要用于分类。

tensorflow中TFRecord是怎么用的

1、TensorFlow用 tf.data API 实现数据导入。输入数据流（input pipelines）可以是图像，也可以是文字（text）。tf.data API 定义了 两个抽象类型 ：一个是 tf.data.Dataset 类 ，表示元素序列。

2、和目前的符号语言比起来，TF最大的特点是强化了数据流图，引入了mutation的概念。这一点是TF和包括Theano在内的符号编程框架最大的不同。

3、训练完一个模型后，为了以后重复使用，通常我们需要对模型的结果进行保存。如果用Tensorflow去实现神经网络，所要保存的就是神经网络中的各项权重值。建议可以使用S***er类保存和加载模型的结果。

4、import tensorflow as tf print(tf.__version__)```如果输出了 TensorFlow 的版本号，则说明 TensorFlow 已经成功导入，可以进行使用。