sheepc的专栏

最近在做实验，设计了一个中间层，有两个输入，一个是前面编码器的输出encoder_output，形状为（None，z_dim）的tensor，另外一个是gumbel_softmax的温度temp，形状为(None,1)的tensor。 def make_gumbel_layer(n_class): encoder_output = tf.keras.Input(shape=(z_dim,)) temp = tf.keras.Input(shape=(1,)) x = tf.ker

最近更新系统，也顺便升级了一下显卡驱动，由原来的418升级到455，随后使用tensorflow-gpu2.1无法使用gpu加速计算，一跑网络，cpu占用率接近100%。但是gpu几乎为1%。 输入以下命令 nvidia-smi 看到驱动对应的cuda版本为11.1。而 环境中tensorflow-gpu2.1最高支持cuda10.1。需要降级显卡驱动，降级到驱动对于的cuda版本为10.1左右。 1.下载旧版本驱动，我下载的版本为430.64 2.ctrl+alt+F1 进入命令行，输入用户名

b = tf.range(1,10,delta = 2) tf.print(b) [1 3 5 7 9] tf.range(1,10,delta = 2) 以增量为2生成 [1,10)的整数，注意是左闭右开的区间，故不包括10。 c = tf.linspace(10.0, 12.0, 3) tf.print(c) [ 10.0 11.0 12.0] tf.linspace(10.0, 12.0, 3)在[10.0,12.0]中生成3个数，注意是闭合区间，这3个数均分区间[10.0,12.0]。