Aiden_yan的博客

猫狗分类的数据集，各一千张。一.第一版import tensorflow as tfimport matplotlib.pyplot as pltimport numpy as npimport pathlibfrom keras.layers import Input, Activation, BatchNormalization, Flattenfrom keras.layers import Dense, Conv2D, MaxPooling2D, Dropoutfrom keras.

一.下载Anaconda3安装包先到官网或清华的镜像站下载安装包：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/或者直接下载我已经上传到百度网盘的包：链接：https://pan.baidu.com/s/1EmpScgLg-kQ8eEndHSDALQ提取码：abcd复制这段内容后打开百度网盘手机App，操作更方便哦–来自百度网盘超级会员V4的分享包的版本我选择：Anaconda3-5.2.0-Linux-x86_64二.安装Anac

一.说明我的环境：Windows10系统Pycharmtensorflow2.3.0代码目录结构：数据集按类别分开成单独的文件夹，每个文件夹下存储对应的数据集图片：各文件夹说明：1.datasets：数据集所在位置2.model：训练之后生成的模型所在位置3.pretrain_model：存放着resnet50的预训练模型4.test：单独进行预测的图片5.predict.py：调用生成的h5模型进行预测6.train.py：进行训练二.训练1.导入所需的库impor

最近在做用tensorflow的API做一个目标检测的任务，遇到了这样一个奇怪的报错：Traceback (most recent call last):File “generate_tfrecord.py”, line 119, in tf.app.run()File “D:\Anaconda\envs\tensorflow2.3.0\lib\site-packages\tensorflow\python\platform\app.py”, line 40, in run_run(main=m

一直以来windows环境下安装编译工具都比较麻烦，这次参考了一些大佬的博客，虽然也不算是一帆风顺的，就想完整地总结一下。步骤如下：1.到https://github.com/protocolbuffers/protobuf/releases下载对应的protoc，当你看到我这篇博客的时候，下载对应的3版本就好了，2版本不知道是不是已经过时了，但是可能会出现一些其他问题。直接下载win32版本即可：2.下载之后解压就行，然后把bin文件夹里面的protoc.exe路径加入到环境变量。找到环境变量，

今天准备跑代码时报错：Attempting to fetch value instead of handling error Internal: failed to get device attribute 13 for device 0: CUDA_ERROR_UNKNOWN: unknown error查了一下说是要去英伟达官网下载新的驱动，一通操作比较麻烦。于是看到自己电脑右下角的英伟达图标有个黄色感叹号，把鼠标停留在上面后出现下面的画面：看来代码跑不起来可能真的是需要安装驱动了。但是

在运行tensorflow的代码时遇到了如下问题：AttributeError: module ‘pandas’ has no attribute ‘core’说明可能是tensorflow版本和pandas版本的不对应的问题，于是想在网上找版本的对应关系，可是都没有找到，但网上的说法都是说装旧的版本就好。这是我原来的版本：pip uninstall pandas卸载，然后重装：pip install pandas==0.24.0我也不知道这个版本跟我的tensorflow版本是否对应，我

昨天作死把用labelImg标记生成的xml格式文件批量改了名字，然后到了解析这些文件的时候，给我报了这些错：也就是我原来用的名称是没有0开头的，比如我原来的名称是621.jpg，改了之后是0621.jpg。结果我搞了半天愣是没想到哪里有问题，欲哭无泪。当天晚上躺在床上还在思考是不是因为我把名字改了，然后到了第二天。第二天早上，我忽然想起来可以打开xml文件查看里面的内容，于是果断用记事本打开看看：所以，不要轻易改xml格式文件的名称，如果要改，最好也要改里面的内容！终究，还是自己太年轻，不

在学习tensorflow的自动求导之前，先要知道什么是Variable对象。Variable对象其实是对tensor对象的进一步封装，它在模型训练过程中自动记录梯度信息，由算法自动优化。它是一个可以被训练的变量，在机器学习中作为模型参数，可以通过assign()、assign_add()、assign_sub()等函数对它进行赋值。函数原型：tf.Variable(initial_value,dtype)其中，initial_value可以是数字，python列表，ndarray对象，tensor对

重装了pycharm之后，想要运行程序，但是发现报了错：No module name “tensorflow”。但是我明明装好了tensorflow，在命令行终端里输入pip list，发现列表里也有tensorflow，这就说明我没有把这些库导入到pycharm中，这里提供一种简单的解决办法：1.新建一个项目2.在新建项目的窗口里把" Inherit global site-packages "勾选上，点击“create”，完成创建。3.重新打开程序，运行，即可。...

以下是看了mooc上西安科技大学的tensorflow2.0的实战课程后做的笔记：（内容不难，但也要理解）假设房价只受到房间面积的影响，即只有一个自变量。确定模型：y=wx+b模型变量：x模型参数：w：权重（weights） b：偏置值（bias）损失函数：估量模型的预测值和真实值的不一致程度，常用的是平方损失函数我们要求出w和b，使得损失函数最小，实际也就是一个求极值问题，而极值点的偏导数为0。通过以下步骤得到w和b的表示形式：如何实现预测？我们要根据已知的样本点（x,y）和建立

整理一下tensorflow中的一些常用函数，方便自己查找张量Tensor的产生tf.constant(张量内容，dtype=数据类型)：创建一个张量tf.convert_to_tensor(数据名，dtype=数据类型)：将numpy的数据类型转换为Tensor数据类型tf.zeros(维度)：创建全为0的张量tf.ones(维度)：创建全为1的张量tf.fill(维度，指定值)：创建全为指定值的张量tf.random.normal(维度，mean=均值，stddev=标准差)：生成正态分

学习tensorflow遇到的问题记录–AttributeError: module ‘tensorflow’ has no attribute ‘Session’今天在测试自己的电脑上的tensorflow是否能用时，就照着书上敲了以下代码：import tensorflow as tf tf.compat.v1.disable_eager_execution()#保证sess.run()能够正常运行 txt_tf=tf.constant("hello tensorflow!",dtype=tf.st