échelle Lin compilé à partir de GitHub
Qubit produit | Numéro public QbitAI
Le nouveau modèle de projet tensorflow venir.
Hier, le mrgemy95 utilisateur sur Reddit poste, a déclaré qu'il était « meilleure architecture modèle de projet tensorflow de pratique. » En quelques heures, la chaleur augmente rapidement après.
En outre, mrgemy95 le code sera affiché sur GitHub, à quelques jours récolteront 200 + une étoile.
Qubit vous amène à prospecter le GitHub sur ce modèle.
Une simple et structure bien conçue pour tous les projets d'apprentissage en profondeur sont essentiels, donc après beaucoup de pratique dans le projet tensorflow, mrgemy95, qui a résumé un ensemble de simple, les meilleures pratiques dossier structure et bonne POO (programmation orientée objet) du modèle de projet tensorflow.
Structure du projet indiqué sur la figure ci-dessus.
Structure de dossier indiqué ci-dessus
Comment utiliser ce modèle do? Par exemple, supposons que vous voulez atteindre le modèle VGG, vous devez effectuer les étapes suivantes:
Créer une classe héritant de classification classification « base_model » de VGG dans le dossier du modèle.
Transforme « build_model » et « init_saver » Ces deux fonctions.
Le premier est l'endroit idéal pour réaliser le modèle VGG, qui est défini lieu économiseur tensorflow.
Créer une classe héritant de classement « base_train » dans le dossier formateur de formateur VGG.
Transforme « train_step » et « train_epoch » Ces deux fonctions.
Créer une session dans le fichier principal et de créer un « modèle », « Logger », « Data_Generator », instance d'objet « formateur » et la configuration.
Tous ces objets sont transmis aux objets formateur, commencez votre formation en appelant « trainer.train () ».
Après cela, vous allez créer un fichier modèle et un exemple simple du dossier modèle et formateur, il va essayer de vous montrer comment simple, le premier modèle.
Les auteurs disent, puis examinera remplacer par la nouvelle partie du chargeur de données de l'API de collecte de données tensorflow.
Enfin, avec le projet GitHub Adresse:
https://github.com/Mrgemy95/Tensorflow-Project-Template#in-details
- complet -
recrutement sincère
Qubits recrutent éditeur / journaliste, basé à Zhongguancun de Beijing. Nous attendons de talent, des étudiants enthousiastes de nous rejoindre! Détails, s'il vous plaît interface de dialogue qubit numéro public (QbitAI), réponse mot "recrutement".
qubit QbitAI · manchettes sur la signature de
' « suivre les nouvelles technologies AI dynamiques et de produits
