gqixf的博客

感谢作者的分享：https://blog.youkuaiyun.com/weixin_40458355/article/details/80351641Session是 Tensorflow 为了控制,和输出文件的执行的语句. 运行session.run()可以获得你要得知的运算结果, 或者是你所要运算的部分.import tensorflow as tf # create t...

math_ops函数使用：1、tf.add(x, y, name=None) 功能：对应位置元素的加法运算。输入：x, y具有相同尺寸的tensor, 可以为half, float32， float64， unit8， int8, int16, int32, int64,eg: 1、x = tf.constant(1.0)2、y = f.constant(2.0)3、z ...

tf.train.batch([example, label], batch_size=batch_size, capacity=capacity)[example, label] 表示样本和样本标签，batch_size是返回的一个batch样本集的样本个数。capacity是队列中的容量。这主要是按顺序组合成一个batch。tf.train.shuffle_batch([examp...

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，会话终止的时候， 队列必须能被正确地关闭。TensorFlow提供了两个类来实现对Session中多线程的管理：tf.Coordinator和 tf.QueueRunner，这两个类往往一起使用。Coordi...

tf.variable_scope(): 可以让变量有相同的命名，包括tf.get_variable得到的变量，还有tf.Variable变量它返回的是一个用于定义创建variable(层)的op的上下文管理器。可变范围允许创建新的variable并分享已创建的variable，同时提供检查，不会意外创建或共享。如何创建新variable的简单示例：with tf.variabl...

 tf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)从截断的正态分布中输出随机值。生成的值服从具有指定平均值和标准偏差的正态分布，如果生成的值大于平均值2个标准偏差的值则丢弃重新选择。在正态分布的曲线中，横轴区间（μ-σ，μ+σ）内的面积为68.268949...

深度学习平台：TensorFlow    目标：训练网络后想保存训练好的模型，以及在程序中读取以保存的训练好的模型。简介首先，保存和恢复都需要实例化一个 tf.train.Saver。saver = tf.train.Saver()然后，在训练循环中，定期调用 saver.save() 方法，向文件夹中写入包含了当前模型中所有可训练变量的 checkpoint 文件。save...

import tensorflow as tftf.one_hot(indices, depth, on_value, off_value, axis)indices是一个列表,指定张量中独热向量的独热位置，或者说indeces是非负整数表示的标签列表。len(indices)就是分类的类别数。tf.one_hot返回的张量的阶数为indeces的阶数+1。 当indices...

函数参数run(    fetches,   feed_dict=None,    options=None,    run_metadata=None)feed_dict参数的作用是替换图中的某个tensor的值。例如：a = tf.add(2, 5)b = tf.multiply(a, 3)with tf.Session() as sess: sess.run(b)...

感谢作者：https://blog.youkuaiyun.com/liangjun_feng/article/details/79698809Tensorflow 作为主流的深度学习框架，初学者们根据教程一步一步的敲代码是十分方便，封装的非常好。但是说实话，这种过度的封装在一定阶段真的让人非常抓狂，尤其是在自己写一个小例子的时候，很多时候会发现难以下手。官方教程和各种书上也总是拿MNIST和CIFAR_10这...

感谢作者：http://www.aiuai.cn/aifarm316.htmlTensorFlow - TF-Slim 提供了关于变量的控制与管理封装函数 - Variables.包括变量恢复函数，如get_variables, get_variables_to_restore 等.Variables 函数主要有：add_model_variable, assert_global_...

训练模型时，需要使用变量(Variables)保存和更新参数。Variables是包含张量(tensor)的内存缓冲。变量必须要先被初始化(initialize)，而且可以在训练时和训练后保存(save)到磁盘中。之后可以再恢复(restore)保存的变量值来训练和测试模型。 主要参考一下两类：  - The tf.Variable class.  - The tf.train.Saver ...

感谢作者：https://blog.youkuaiyun.com/weixin_39513374/article/details/80997912原因1：cuda9.0以及cudnn7未能安装或正确安装。解决方案：安装cuda及对应cudnn，已安装情况下检查路径usr/local/cuda-9.0/lib64下是否有 libcublas.so.9.0文件原因2：tensorflow版本与c...

通常我们使用 TensorFlow时保存模型都使用 ckpt 格式的模型文件，使用类似的语句来保存模型tf.train.Saver().save(sess,ckpt_file_path,max_to_keep=4,keep_checkpoint_every_n_hours=2) 使用如下语句来恢复所有变量信息saver.restore(sess,tf.train.latest_ch...

感谢作者：https://www.jianshu.com/p/3e91bc60e219挺好的

keras中的主要数据结构是model（模型），它提供定义完整计算图的方法。通过将图层添加到现有模型/计算图，我们可以构建出复杂的神经网络。Keras有两种不同的构建模型的方法：Sequential models Functional API本文将要讨论的就是keras中的Sequential模型。理解Sequential模型Sequential模型字面上的翻译是顺序模型，给人...

解决办法： config = tf.ConfigProto()#config.gpu_options.per_process_gpu_memory_fraction = 0.15tf.Session(config=config)global modelmodel = VGG16(weights='imagenet', input_shape=(224, 224, 3), poolin...

两种方法都可以获得变量的shapetf.shape(x)   其中x可以是tensor, 也可不是tensor,返回是一个tensor.shape=tf.placeholder(tf.float32, shape=[None, 227, 227, 3]] 我们经常会这样来feed 数据，如果在运行的时候想知道None到底是多少，这时候只能通过tf.shape(x)[0]这种方式来获得...

1、反卷积原理反卷积原理不太好用文字描述，这里直接以一个简单例子描述反卷积。假设输入如下：[[1,0,1], [0,2,1], [1,1,0]] 反卷积卷积核如下：[[ 1, 0, 1], [-1, 1, 0], [ 0,-1, 0]] 现在通过strides=2来进行反卷积，使得尺寸由原来的3*3变为6*6.那么在Tensorflow框架中，反卷积的过程如下（...

tf.reshape(tensor, shape, name=None)函数的作用是将tensor变换为参数shape的形式。其中shape为一个列表形式，特殊的一点是列表中可以存在-1。-1代表的含义是不用我们自己指定这一维的大小，函数会自动计算，但列表中只能存在一个-1.shape可以看着是reshape变换后的矩阵大小，先不管-1的那一个维度，先看其他维度，然后用原矩阵的总元素个...

1、slim.conv2d:二维卷积2、slim.nets.resnet_utils.conv2d_same()：使用“SAME”填充的二维卷积3、 tf.variable_scope()的original_name_scope 和 name的区别：4、slim.utils.collect_named_outputs（collections, alias, outputs）：为outp...

将训练好的模型参数保存起来，以便以后进行验证或测试，这是我们经常要做的事情。tf里面提供模型保存的是tf.train.Saver()模块。模型保存，先要创建一个Saver对象：如saver=tf.train.Saver()在创建这个Saver对象的时候，有一个参数我们经常会用到，就是 max_to_keep 参数，这个是用来设置保存模型的个数，默认为5，即 max_to_keep=5，保存最近的5...

ensorflow 1.4 could not create cudnn handle: CUDNN_STATUS_INTERNAL_ERROR 错误的解决办法tensorflow 1.4  cuda8.0 cudnn 6.0 执行gpu版本的 MNIst 时候报错：E tensorflow/stream_executor/cuda/cuda_dnn.cc:371] could not creat...

I installed tf-nightly build and I get the following error on import of tensorflow.ImportError: libcublas.so.9.0: cannot open shared object file: No such file or directory.If I check for cuda 9, I get...

引言当你训练一个模型的时候，你使用变量去保存和更新参数。在Tensorflow中变量是内存缓冲区中保存的张量（tensor）。它们必须被显示的初始化，可以在训练完成之后保存到磁盘上。之后，你可以重新加载这些值用于测试和模型分析。 本篇文档引用了如下的Tensorflow类。以下的链接指向它们更加详细的API：tf.Variable 类。tf.train.Saver 类。创建当你创建一个变量时，...

http://blog.youkuaiyun.com/lenbow/article/details/522185511. 优化器的种类Optimizer GradientDescentOptimizer AdagradOptimizer AdagradDAOptimizer MomentumOptimizer AdamOptimizer FtrlOptimizer RMSPropOptimize...

1、使用glob()from glob import globfile_path=r'C:\Users\Administrator\Desktop\test3\hymenoptera_data\train\*\*.jpg'images_path=glob(file_path) #获取所有图像路径12342、使用osimport osfrom PIL import Imagenames=...

作者：Vulper地址：http://www.cnblogs.com/Vulpers/p/7809276.html一、 constant（常量）　　constant是TensorFlow的常量节点，通过constant方法创建，其是计算图（Computational Graph）中的起始节点，是传入数据。创建方式cons = tf.constant(value=[1,2],dtype=tf.flo...

Keras是什么，以及相关的基础知识，这里就不做详细介绍，请参考Keras学习站点http://keras-cn.readthedocs.io/en/latest/ Tensorflow作为backend时的训练逻辑梳理，主要是结合项目，研究了下源代码！ 我们的项目是智能问答机器人，基于双向RNN（准确的说是GRU）网络，这里网络结构，就不做介绍，只研究其中的训练逻辑，我们的训练是基于fit_ge...

Win10，ANACONDA3(64-bit)，Python3.6.2。ANACONDA Prompt中不能用pip命令安装包，并且是在安装了TensorFlow后才发生的。报错如下：[html] view plain copy print?Exception:  Traceback (most recent call last):    File "C:\

感谢作者：https://www.cnblogs.com/gongxijun/p/6027747.html 此处以caffe官方提供的AlexNet为例.目录：1.背景2.框架介绍3.步骤详细说明5.参考文献 背景：AlexNet是在2012年被发表的一个金典之作，并在当年取得了ImageNet最好成绩，也是在那年之后，更多的更深的神经网路被提出，比如优秀的

我们不推荐使用pickle或cPickle来保存Keras模型你可以使用model.save(filepath)将Keras模型和权重保存在一个HDF5文件中，该文件将包含：模型的结构，以便重构该模型模型的权重训练配置（损失函数，优化器等）优化器的状态，以便于从上次训练中断的地方开始使用keras.models.load_model(filepath)来重新实例化你的模型，

favoritefavoriteWhile installing tensorflow on Ubuntu (GCloud VM), I am getting alert as -pip install tensorflowapache-beam 0.6.0 has requirement protobuf==3.2.0, but you'll have protobuf 3.5.2 which ...

https://cloud.tencent.com/developer/article/1010815http://www.cnblogs.com/eniac1946/p/8473391.html8.更科学地模型训练与模型保存filepath = 'model-ep{epoch:03d}-loss{loss:.3f}-val_loss{val_loss:.3f}.h5'checkpoint = ...

tf.reduce_mean函数的作用是求平均值。第一个参数是一个集合，可以是列表、二维数组和多维数组。第二个参数指定在哪个维度上面求平均值。默认对所有的元素求平均。tf.reduce_mean 比如，下面是对所有元素求平均值：x = tf.constant([[1., 1.], [2., 2.]])tf.reduce_mean(x) # 1.512345当指定第二个参数的时候，指定ax...

conv2d(inputs, filters, kernel_size, strides=(1, 1), padding='valid', data_format='channels_last', dilation_rate=(1, 1), activation=None, use_bias=True, kernel_initia...

tf.concat是连接两个矩阵的操作tf.concat(concat_dim, values, name='concat')除去name参数用以指定该操作的name，与方法有关的一共两个参数： 第一个参数concat_dim：必须是一个数，表明在哪一维上连接     如果concat_dim是0，那么在某一个shape的第一个维度上连，对应到实际，就是叠放到列上[pyt...

1、padding的方式：说明：1、摘录自http://stackoverflow.com/questions/37674306/what-is-the-difference-between-same-and-valid-padding-in-tf-nn-max-pool-of-t2、不同的padding方式,VALID是采用丢弃的方式,比如上述的input_width=13,只允许滑动2次,多余...

在之前的教程中，我们介绍了 Keras 网络的模型与网络层，并且通过许多示例展示了网络的搭建方式。大家都注意到了，在构建网络的过程中，损失函数、优化器、激活函数等都是需要自定义的网络配置项，下面我们对这些网络配置进行详细的介绍。1. 损失函数目标函数 objectives目标函数，或称损失函数，是编译一个模型必须的两个参数之一：model.compile(loss='mean_squared_er...

1. Keras 模型Keras有两种类型的模型，序贯模型(Sequential)和函数式模型(Model)，函数式模型应用更为广泛，序贯模型是函数式模型的一种特殊情况。两类模型有一些方法是相同的：model.summary()：打印出模型概况model.get_config()：返回包含模型配置信息的 Python 字典。模型也可以从它的 config 信息中重构回去config = model...