很多小伙伴在学习机器学习的时候会涉及到checkpoint文件的加载问题，那么TensorFlow怎么加载checkpoint文件呢？接下来这篇文章告诉你！

• 后端
• 闪耀旳白梦
• 27

很多小伙伴可能需要tensorlfow网络模型可视化。这时候我们就可以使用tensorboard这个工具了，但有些时候可能会出现tensorboard生成网址打不开的现象，接下来的这篇文章就带你如何解决这个问题。

• 后端
• 猿友
• 37

很多小伙伴在使用两个网络并行计算的时候会出现一些小问题，原因是一个网络的输出值要给另一个网络反馈，而反馈的输出值再有网络权重的梯度，这时候我们就需要给tensor去权重了，那么pytorch怎么获取无梯度tensor呢？接下来小编就来介绍一下小编是怎么做的。

• 后端
• 猿友
• 28

我们在使用pytorch训练的时候一般会把数据集放到dataloader里。但在训练前我们也需要看一下训练数据长啥样（检验数据集是否有问题），这就需要训练数据集可视化了。在训练数据集中的图像一般都是带batch的tensor类型的图像，那么pytorch中带batch的tensor类型图像如何显示呢？看完这篇文章你将得到答案。

• 后端
• 猿友
• 24

在pytorch中图片的张量结构与plt可以显示的图片格式要求是不一样的，所以plt是不能直接显示tensor格式的图片的，那么pytorch怎么用plt显示tensor图片呢？这就需要设计到数据转换了，基本思路就是将tensor转换为numpy类型的数据结构，而numpy类型的格式刚好可以被plt支持。接下来就来看具体怎么操作吧！

• 后端
• 猿友
• 27

我们在进行pytorch调试的时候可能会遇到一些错误，当遇到这些错误的时候我们需要去打印tensor信息，但是因为我们不知道问题出在哪，所以我们可能需要打印很多很多的tensor信息，手写这么多tensor信息的print语句是相当累人（且低效）的，今天小编带来一个pytorch调试工具——tensorsnooper，这样就能实现pytorch自动打印每行代码的tensor信息了。

• 后端
• 猿友
• 21

我们在使用pytorch的时候会涉及到打印tensor的值，在pytorch怎么打印tensor的数值这方面只要会使用pytorch一般都会使用了，但是有些情况下我们还需要打印device的信息，那么pytorch怎么打印device信息呢？接下来的这篇文章告诉你！

• 后端
• 猿友
• 33

学习机器学习一定不能错过这款来自谷歌的机器学习框架——TensorFlow，然而很多初学者在刚开始学习机器学习的时候容易在TensorFlow配置和安装上卡住，今天小编就带来了python3安装TensorFlow和配置的详细教程，希望能给各位小伙伴一个参考。

• 后端
• 猿友
• 27

很多小伙伴在学习pytorch的时候会遇到x[...,0]这样的写法，但并不了解这样的写法有什么用，小编经过实验得出了这个写法的功能为pytorch抽取tensor的行。接下来就来看看x[...,0]怎么使用吧。

• 后端
• 猿友
• 18

Keras和TensorFlow都是极其优秀的机器学习库，Keras甚至可以作为TensorFlow的应用接口。但是Keras和TensorFlow模型混用是有坑在等着你的，这篇文章我们就来介绍一下有哪些坑我们需要避免。

• 后端
• 猿友
• 27

在学习机器学习的时候，很多时候我们并不要求计算机有很高的单核算力，反而要求计算机有比较高的并行计算功能。这时候我们就可以使用GPU（显卡）来帮我们运行机器学习的代码了。业内比较出名的机器学习的框架有TensorFlow和Keras，那么TensorFlow使用GPU和Keras使用GPU需要设置些什么呢？阅读这篇文章你会得到了解。

• 后端
• 猿友
• 20

小编第一次接触到TensorFlow的时候是在实训课中。当时我们在机器学习的掌握并不充分的情况下通过TensorFlow搭建神经网络的模型，可见使用TensorFlow搭建一个神经网络模型是一件比较简单的事情。那么接下来我们就来看看如何使用TensorFlow搭建神经网络吧。

• 后端
• 世界顶级潜水选手
• 25

在使用pytorch的过程中，一款好用的可视化工具是必不可少的，TensorBoard就是这样一款强大的神经网络可视化工具。那么这个工具要如何使用呢？请看小编接下来的介绍：

• 后端
• 回忆的沙漏
• 18

机器学习的经典案例就是鸢尾花分类，这个分类可以使用很多优秀的机器学习算法去进行分类。今天我们介绍一种分类算法——bp神经网络。通过TensorFlow进行实现，接下来就让我们开始学习这个分类算法吧。

• 后端
• 不许揪我的小耳朵
• 21

pytorch更新完后Variable与Tensor合并了。现在torch.Tensor()能像Variable一样进行反向传播的更新，返回值为Tensor，Variable自动创建tensor，且返回值为Tensor，（所以以后不需要再用Variable）。Tensor创建后,默认requires_grad=Flase，可以通过xxx.requires_grad_()将默认的Flase修改为True。来看看官方文档是怎么介绍的吧。

• 后端
• 微醉阳光
• 22

本篇文章是我们学习Python及其在机器学习（ML）和人工智能（AI）的应用系列中的最后一个模块了，在上一个模块中，我们学习Keras，讨论了神经网络。下面，我们将要学习 Numpy 和 TensorFlow，这两个是学习机器学习的构建块，所以在使用机器学习的时候，你一定会接触到它们。同时，还会简要概述 scikit-learn 库，因为它是Python中最完整的机器学习（不包括深度学习）库。

• 后端
• 陪你演戏
• 26

TensorFlow是一个开源的机器学习框架，由Google Brain团队开发，可以用于构建和训练深度学习模型。它提供了一种灵活的编程模型，可以让开发者使用数据流图来表示计算任务，并且可以在多种平台上运行，包括CPU和GPU。TensorFlow还提供了一系列高级API，可以帮助开发者更快地构建和训练深度学习模型。

• 后端
• w3cschool小编
• 17

经过网上查找，找到了问题所在：在使用keras编程模式是，中间插入了tf.reshape()方法便遇到此问题。 解决办法：对于遇到相同问题的任何人，可以使用keras的Lambda层来包装张量流操作，

• 前端
• Easter79
• 21

1.环境安装配置1.1安装tensorflow安装tensorflow不再仔细说明，但是版本一定要是1.91.2下载TensorflowobjectdetectionAPI下载地址：https://g

• 前端
• Easter79
• 16

TensorFlow的Session对象是支持多线程的，可以在同一个会话（Session）中创建多个线程，并行执行。在Session中的所有线程都必须能被同步终止，异常必须能被正确捕获并报告，会话终止

• 前端
• Easter79
• 15