登录社区云，与社区用户共同成长
邀请您加入社区
本文补全了Agent工具层五大“讲过但没讲透”的坑：框架注入实现用户信息自动传递；通过RuntimeContext在工具层实现多租户隔离；外部执行工具配合RequireExternalExecutionEvent处理必须人工操作的场景；支持STDIO、SSE、StreamableHTTP三种MCP协议；权限规则可动态生成与匹配。串联后展现工具层作为完整上下文工程的能力，附面试话术与源码领取方式，下
本文系统阐述了TensorFlow模型向昇思MindSpore迁移的全流程，涵盖转换背景、三大开发模式（自动转换、手动映射、ONNX中转）、核心约束与关键步骤。重点强调冻结pb为必要输入，需处理卷积/全连接权重维度转置、算子语义差异及Dropout丢失问题。通过MindConverter工具实现自动化转换，结合精度对齐校验与MindIR导出，确保模型在昇腾NPU上正确部署。总结指出：优先使用工具转
本篇是我训练营TensorFlow 篇的第 11 次学习（T11），任务是在 17 位明星人脸数据集（1800 张）上用 VGG-16 迁移学习搭建分类模型，并对比 Adam 与 SGD 两种优化器对模型的影响。K同学啊老师的教学，以及 ChatGPT 和 Kimi。掌握了 VGG-16 迁移学习的搭建方式去掉原头部，以 GAP 输出 512 维特征并冻结全部卷积层，只训练 Dense(170)+
1. 问题描述LZ在使用tensorflow训练好对应的模型，并转成caffemodel后，将模型交由前端同事的时候，前端同事转成wk文件后，发现推断结果与caffemodel结果相差很大，后来经过逐层排查后发现海思芯片的tanh与caffe或者tf中的实现有一定差异，会导致结果相差很大，于是LZ准备使用Sigmoid的进行替代，2. 解决方法但是因为网络物理含义的需求，需要经过激活函数后，fea
tensorflow的模型到底怎么转成caffemodel？1. 简介一般情况下，LZ是使用tensorflow的，好像之前在学校只要python跑通，benchmark再刷高一点就行了。现在在公司，要把自己的模型进行移植，之前是后端的移植，最近前端也提了需求，前端一般都是用海思芯片，只支持caffe，所以为了先测试时间得把tf的模型转成caffemodel。程序猿总有不会的，总有要学习的不...
本文记录了在 Flutter 3.47 鸿蒙环境下，对 smart_keyboard_insets 0.3.1 的适配实践。通过保留原有 Dart API，实现 OHOS 平台插件入口注册，利用 OpenHarmony window.AvoidAreaType.TYPE_KEYBOARD 监听键盘高度变化，成功在 HarmonyOS API 26 真机上完成构建、安装与验证，实现键盘遮挡区域的精准
本文采用Anaconda虚拟环境部署，不会污染本地系统环境，适配Windows系统，RTX系列显卡均可正常使用。
1、项目介绍技术栈：python、opencv、tflite_runtime、TensorFlow、pyqt界面运行【肢体检测.py】启动或者输入启动命令：python 肢体检测.pytflite_runtime是一个轻量级的Python库，用于在不需要完整TensorFlow库的情况下执行TensorFlow Lite模型，特别适用于在资源受限的设备上执行模型推断的场景。2、项目界面（1）正常–
通过将Flask的灵活Web框架与YOLO强大的目标检测能力相结合，你可以构建一个功能完整的图像识别系统。这套系统不仅能够处理用户上传的图片并实时返回识别结果，还可以根据具体需求进行定制和扩展。希望这个介绍对你有所帮助！如果你有关于特定部分（如模型训练细节、系统性能优化或前端界面美化）的进一步问题，我很乐意提供更详细的指导。
本文介绍了将YOLO模型部署到移动端的转换流程。关键步骤包括：1）安装ultralytics和ai_edge_litert；2）在Linux环境下执行模型转换，将.pt文件转换为TensorFlowLite格式。转换时可选择不同量化精度（int8/float16/float32），其中int8量化模型体积最小、速度最快但精度较低，float32保留最高精度但体积最大。转换成功后生成多种格式的tfl
以往看的模型都是用pytorch跑就行，但是看到的一个创新点是用tensorflow跑的，迫于无奈，如果想要融入进去就得安装TensorFlow…每次根据电脑性能选择了，接受范围内最适配的底层包进行安装，最后都会发现，我想要安装的最终文件要求更高。又是苟且安装成功的一天…
等待安装完成，使用pip list观察keras与tensorflow版本是否一致，更改keras版本。需要分别确定tensorflow版本，cudnn，duda版本以及对应的Python版本。这里注意选择python版本在tensorflow要求之内。若在此步报错看一下报错信息，比如我是。找到需要的cudnn版本安装。找到需要的cudnn版本安装。1.官网查看想要安装的版本。查找cudnn可用版
【代码】在 RK3588 的 ubuntu22.04 安装 arm 版本 tensorflow。
初学者有这种问题也很正常，这种问题就类似于，之前学c语言函数的时候可能会想，明明可以直接就在main中写，为什么非要封装成一个函数？当然有的小伙伴会问了，“这不就是在python环境里面pip了一个tensorflow的包吗，要搞这么复杂干什么?有兴趣的小伙伴可以去了解一个conda环境管理工具的作用，这里不过多赘述。到此，你现在就可以在pycharm中使用tensorflow了。最后，希望大家不
本方法不同于网上的其他攻略，无需从root配置wsl的cuda和compiler等等（本人尝试了大量版本都以失败告终），而是直接通过conda实现一站式配置，目前只尝试了所有packages的最新版本，欢迎评论分享其他可行的cudatoolkit+cudnn+tensorflow的版本组合。
AI工程化是推动人工智能技术走向实际应用、创造实际价值的重要途径，随着技术的不断发展和应用场景的不断拓展，AI工程化将在未来发挥更加重要的作用。面对未来的挑战和机遇，我们需要加强技术研发与创新、建立数据治理体系、培养与引进人才以及关注法规与政策动态等多方面的努力来推动AI工程化的不断发展。
信用卡欺诈是金融行业面临的一个重要问题，快速且准确的欺诈检测对于保护消费者和金融机构的利益至关重要。本项目旨在通过利用自动编码器（Autoencoder）这一无监督学习算法，来检测信用卡交易中的欺诈行为，特别适合于异常检测任务，因为它能够学习正常数据的分布，并通过重构误差来识别异常数据。
⑤安装gdal：gdal属于第三方库，不能直接用pip安装，所以在https://www.lfd.uci.edu/~gohlke/pythonlibs/#gdal这个网址下载所需版本的gdal，然后输入。一、Anaconda的下载与安装，在清华镜像网站或者官网上下载Anaconda安装包：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/⑥
ChatGPT是OpenAI开发的一种基于人工智能技术的自然语言处理工具，它代表了自然语言处理（NLP）技术的前沿进展。ChatGPT的基本原理建立在一系列先进技术和方法之上，主要包括GPT（Generative Pre-trained Transformer）模型架构、预训练与微调技术、以及可能采用的RLHF（Reinforcement Learning from Human Feedback）
1.打开Anaconda Powershell Prompt2.输入命令 conda create -n 虚拟环境的名字 python=版本号 （这里 “虚拟环境的名字” 和“虚拟环境中安装的python版本” 根据自己需要修改）3.执行命令后会出现Proceed([y]/n)?，输入 y 继续。4.安装成功 不成功可以看这篇文章https://blog.csdn.net/qq_43128256/
【代码】linux系统下，在anaconda虚拟环境中安装tensorflow-gpu。
在计算机视觉领域，估算脸部姿态是一项具有挑战性但又极具应用前景的任务。通过识别脸部特征点，我们可以了解人脸的姿态，包括旋转角度、倾斜程度等信息。本文将介绍如何利用 TensorFlow.js 和 OpenCV.js 结合起来，实现通过面部特征点估算脸部姿态并绘制示意图的功能。在计算机视觉领域，解决摄像头姿态估计（Camera Pose Estimation）问题是一项关键任务。摄像头姿态估计可以用
由于我的cuda版本为11.0，对应的python版本选择了3.7，tensorflow_gpu选择了2.4.0，cudnn选择了8.0。未能直接查到对应的计算机算力，但是根据表格推测算力在7.5-8.0之间，根据计算能力查找cuda对应的版本。下载tensorflow-gpu（这样速度会快很多，注意这时候不要科学上网，不然无法下载）可以看的你电脑大概支持的cuda版本，所以我选择了11.0，最好
本博客将提供 TensorFlow 量化的全面指南，探讨量化的概念、量化感知训练、TensorFlow 量化工具以及如何部署量化模型。未来的发展可能包括改进的训练后量化技术、支持量化更复杂的模型架构以及量化感知训练与迁移学习的集成。QAT 没有使用全精度训练模型，而是在训练过程中引入量化，模拟量化对模型性能的影响。训练后，我们可以使用 TFLite 的训练后量化工具对模型进行量化。TensorFl
然而，随着深度学习模型的复杂性和规模的增长，它们的计算成本变得昂贵且内存密集，使得它们在资源受限的设备上的部署变得具有挑战性。在这篇博客中，我们将探讨 TensorFlow 剪枝的概念、其底层技术、剪枝感知训练、TensorFlow 剪枝工具、TensorFlow Lite 的部署、模型大小和准确性之间的权衡、评估量化模型，以及 TensorFlow Lite 的局限性和未来发展。在这种方法中，对
transformers不是一个基础的神经网络库来一步一步构造Transformer，而是把常见的Transformer模型封装成一个building block，我们可以方便的在PyTorch或者TensorFlow里使用它。只有configuration，models和tokenizer三个主要类。类用于配置模型的各种参数，如模型类型、层数、隐藏单元数等。它允许用户通过创建一个配置对象来自定义
通过百度，最粗暴的方式就是直接pip安装，效果不佳。后来百度发现可以直接上https://pypi.org/project/opencv-python-headless/#files寻找与自己python版本对应的包，然后离线安装。通过以上步骤成功安装opencv-python-headless，这个方法同样对opencv-python相关库的安装适用。然后直接使用下面的命令行安装albument
在Anaconda中建立pytorch和tensorflow虚拟环境的教程
【代码】anaconda安装虚拟环境，TensorFlow1.x（吴恩达老师course4week3课程编程作业环境配置）
在anaconda的jupyter中安装tensorflow模块 - 2023年7月27日
服务器中存在CUDA，但无法调用GPU的情况（tensorflow）
复制命令, 注意:在mac m上，device是’mps’ 而不是’cuda’, mac的MPS支持MacOS 12.3+3. 安装conda install -c apple tensorflow-deps。7.完成，附上我安装完pytorch和tensorflow的图。三、安装GPU版本的tensorflow。二 、安装GPU版本的pytorch。1.安装 Xcode。1.安装 Xcode。
tf2.2 依赖第三方包版本匹配，Keras、transformers、bert4keras、rasa
win10+CUDA11.0+cuDNN8.0+anaconda3+python3.8+tensorflow_gpu 2.4.0+jupyter notebook 踩坑实录
执行命令 python3 -m pip install tensorflow-macos。查询tensorflow的issue，发现已经解决了python3.9的安装问题。该错误可能与在带有 M1 芯片的 64 位 Mac 上工作有关。最后在stackoverflow上查找到该问题的解决方案。按照提示安装了几次tensorflow,始终安装不上。查询python版本，满足64位架构。
macOS使用pip安装tensorflow报错：ERROR: Could not find a version that satisfies the requirement tensorflow (from versions: none)解决方法
而是直接检索https://pypi.tuna.tsinghua.edu.cn/simple/tensorflow/ 就可以找到对应的tensorflow 包,然后因为这里的cp37代表的就是python3.7,因为我的操作系统是windows系统64位的,所以，我选的是win_and64。下载下来这个.whl文件后, 进入anaconda安装目录下的\Lib\site-packages，我的是D
很抱歉听到你的问题。若 Anaconda Navigator 无法正常启动 Spyder，你可以尝试以下方法解决问题：重新安装 Spyder：在 Anaconda Navigator 中选择 Spyder，然后点击 "Uninstall"，再点击 "Install" 重新安装 Spyder。使用命令行启动 Spyder：打开命令行窗口，输入 "spyder" 命令，启动 Spyder。...
我可以给你一些提示：首先，你需要在D盘中打开Anaconda Prompt，然后使用命令"conda create -npython="来创建虚拟环境，其中是你要为虚拟环境起的名字，而则是你想安装的Python版本。...
使用anaconda可以创建虚拟环境，进而在虚拟环境中安装一些该环境需要的包什么的，这样做便于不同项目之间的相互隔离，尤其适合跑之前代码的时候与当前你的版本不一致的时候，虚拟环境可以创建多个。
tensorflow【import transformers 报错】
python 环境的配置
1） 其中yolov5为创建的环境名称，根据自己的项目来命名，此处以yolov5为例。2）python=3.8为选择的python版本。1、打开anaconda prompt。可以运行以下代码查看已经创建的环境列表。运行上述代码后输入y即可成功创建环境。2、创建一个新的环境。
windows10 安装 tensorflow2.6.0
Tensorflow2.10.0的Object Detetcion安装教程（别问我为啥是tensorflow2.10，它装上就是tensorflow2.10了😂）
比如我要用的1.15.2的版本对应的是cuda10.0.0一定不要安装高版本的，当时安装了10.2的版本，gpu也能用，但是有问题，实际上还是在cpu上跑的，切记切记切记不要以为高版本的cuda就是好，一定要多大脚配大多鞋。驱动可以安装最新的，但是cuda版本和cudnn要根据要安装的tensorflow-gpu对应的版本来配置，这个跟cuda toolkit和 cudnn一样，必须匹配才行。a,
Windows11安装anaconda遇见的各种问题（持续更新）
tensorflow
——tensorflow
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
北京朝阳AI社区
人工智能6S服务平台
AtomGit AI 社区
海思HiSpark开发者社区
开源鸿蒙跨平台开发者社区
乐奇 Rokid 开放社区
