jiayoudangdang的博客

就是说，get_session在tf2.0中没有解决办法，将sess = K.get_session()改成：self.sess = tf.compat.v1.Session()注意这个tf是import tensorflow as tf

AttributeError: module 'tensorflow' has no attribute 'placeholder'报错原因是再tf2下使用了tf1的API需要将原来的import tensorflow as tf用如下代码进行替换import tensorflow.compat.v1 as tftf.disable_v2_behavior()

# softmax 将实数值转换为概率值# 使用Keras接口如何操作# import 导入模块，每次使用模块中的函数都要是定是哪个模块。# from…import * 导入模块，每次使用模块中的函数，直接使用函数就可以了；# 注因为已经知道该函数是那个模块中的了。import tensorflow as tfimport osfrom tensorflow import keras from tensorflow.keras import layers , Sequential , dat

# softmax 将实数值转换为概率值# 使用Keras接口如何操作# import 导入模块，每次使用模块中的函数都要是定是哪个模块。# from…import * 导入模块，每次使用模块中的函数，直接使用函数就可以了；# 注因为已经知道该函数是那个模块中的了。import tensorflow as tffrom tensorflow import keras from tensorflow.keras import layers , Sequential , datasets , op

# softmax 将实数值转换为概率值# 使用Keras接口如何操作# import 导入模块，每次使用模块中的函数都要是定是哪个模块。# from…import * 导入模块，每次使用模块中的函数，直接使用函数就可以了；# 注因为已经知道该函数是那个模块中的了。import tensorflow as tffrom tensorflow import keras from tensorflow.keras import layers ,Sequentialtf.__version__

# softmax 将实数值转换为概率值# 使用Keras接口如何操作# import 导入模块，每次使用模块中的函数都要是定是哪个模块。# from…import * 导入模块，每次使用模块中的函数，直接使用函数就可以了；# 注因为已经知道该函数是那个模块中的了。import tensorflow as tffrom tensorflow import keras from tensorflow.keras import layers ,Sequentialtf.__version__

# softmax 将实数值转换为概率值# 使用Keras接口如何操作# import 导入模块，每次使用模块中的函数都要是定是哪个模块。# from…import * 导入模块，每次使用模块中的函数，直接使用函数就可以了；# 注因为已经知道该函数是那个模块中的了。import tensorflow as tffrom tensorflow import keras from tensorflow.keras import layers ,Sequentialtf.__version__

# softmax 将实数值转换为概率值# 使用Keras接口如何操作# import 导入模块，每次使用模块中的函数都要是定是哪个模块。# from…import * 导入模块，每次使用模块中的函数，直接使用函数就可以了；# 注因为已经知道该函数是那个模块中的了。import tensorflow as tffrom tensorflow import keras from tensorflow.keras import layers ,Sequentialtf.__version__

# softmax 将实数值转换为概率值# 使用Keras接口如何操作# import 导入模块，每次使用模块中的函数都要是定是哪个模块。# from…import * 导入模块，每次使用模块中的函数，直接使用函数就可以了；# 注因为已经知道该函数是那个模块中的了。import tensorflow as tffrom tensorflow import keras from tensorflow.keras import layers ,Sequentialtf.__version__

# softmax 将实数值转换为概率值# 使用Keras接口如何操作# import 导入模块，每次使用模块中的函数都要是定是哪个模块。# from…import * 导入模块，每次使用模块中的函数，直接使用函数就可以了；# 注因为已经知道该函数是那个模块中的了。import tensorflow as tffrom tensorflow import keras from tensorflow.keras import layers ,Sequentialtf.__version__

# softmax 将实数值转换为概率值# 使用Keras接口如何操作# import 导入模块，每次使用模块中的函数都要是定是哪个模块。# from…import * 导入模块，每次使用模块中的函数，直接使用函数就可以了；# 注因为已经知道该函数是那个模块中的了。import tensorflow as tffrom tensorflow import keras from tensorflow.keras import layers ,Sequentialtf.__version__

import tensorflow as tffrom tensorflow import kerasimport numpy as npimport matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import Axes3Dprint(tf.__version__)2.1.0常用的数据集TF官网上已经有了数据集加载(x_train, y_train), (x_test, y_test) = tf.keras.datasets.mn

import tensorflow as tffrom tensorflow import kerasimport numpy as npimport matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import Axes3Dprint(tf.__version__)2.1.0# 4 35 8 4个班级，每个班有35名学生，每名学生有8个科目要上x = tf.random.uniform([4,35,8],maxval = 100,d

import tensorflow as tffrom tensorflow import kerasimport numpy as npimport matplotlib.pyplot as pltprint(tf.__version__)2.1.0tf.gather()函数可以实现根据索引号进行数据收集# 4 35 8 4个班级，每个班有35名学生，每名学生有8个科目要上x = tf.random.uniform([4,35,8],maxval = 100,dtype=tf.in

import tensorflow as tffrom tensorflow import kerasimport numpy as npimport matplotlib.pyplot as pltprint(tf.__version__)2.1.01 张量的填充与复制有时为了使满足需要，需要把张量填充为相同长度为了不破坏数据结构，可能在头尾加零，如果是矩阵的话，会在周围加零paddingIloveNortheasternUniversity!!!1

import tensorflow as tffrom tensorflow import kerasimport numpy as npimport matplotlib.pyplot as pltprint(tf.__version__)2.1.01 张量的合并与分割t1 = tf.constant([[1,2,3],[4,5,6]])t2 = tf.constant([[7,8,9],[10,11,12]])t1.ndim,t2.ndim(2, 2)# 拼接，必须指定维度

import tensorflow as tffrom tensorflow import kerasimport numpy as npimport matplotlib.pyplot as pltprint(tf.__version__)2.1.0# 变量定义a = tf.Variable(1)a<tf.Variable 'Variable:0' shape=() dtype=int32, numpy=1>a.trainable #定义为变量的值是可以直接进行训练

前馈神经网络进行MNIST数据集分类【实战】import tensorflow as tffrom tensorflow import kerasimport numpy as npimport matplotlib.pyplot as pltprint(tf.__version__)1 需要建立全连接神经网络输入层 h0 有784个神经元=28 * 28隐藏层 h1 256隐藏层 h2 128输出层 h3 10w1是在输入成和第一个隐藏层之间的w2是第一个隐藏层到

出错 InternalError: Blas GEMM launch failed错误代码显示出错 InternalError: Blas GEMM launch failed讲真，对于一个刚学习5天的人来说，什么动态分配GPU有点迷惑，于是又如下办法可以解决。原因网友解答时说GPU被其他程序占用，以至于运行程序时内存不够用，就会报错。解决办法关闭之前打开的程序文件。退出之前打开的cmd。重新打开文件，然后重新运行一遍就行了。...

Numpy基础实战python的科学计算库，用于处理一些大型的矩阵计算，会比python自带的速度快。import numpy as np注意，numpy的数组类型和python的不太一样这个时候是无法直接将array+1运算的这里可以直接+1list结构转化成nparray结构list中的数据类型是一样的，不过不一样会自动向下转换索引和切片高维度数组注意！改变用等于号=赋值操作的变量会使原变量改变所以为了避免这个事情的

JupyterLab安装pip install jupyterlab或者：conda install -c conda-forge jupyterlab安装好之后启动他输入：jupyter lab会启动一个网址，这个网址就是jupyterlab了按ctrl+c停止服务新建一个文件夹cd D:\shiyanshi\BIT-work\JupyterLab-shi1d:现在已经换好了文件夹，在这个新的文件夹低下再去运行jupyter lab注意，为了避免问题，.

TensorFlow GPU版本还像刚才那样进入到这个终端里面，找一下cuda输入：conda search cuda因为咱们刚刚安装的是2.0.0版本的所以说10.0就够了，如果是2.1版本的话就用10.1开始安装输入：conda install coudatoolkit==10.0.130然后再安装cudn输入：conda search cudnn再输入：conda install cudnn==7.6.0因为TF2要求得是7.6往上的，所以自然得安装7.6.0版

碎碎念一波，自本年10月上旬推免尘埃落定之后，连续颓废了两个多月，混了个驾驶证，追完了童年没看完的所有想看的动漫、动画片，自此童年的快乐不会再有了。直到今天导师安耐不住跟我通话，告诉我摸鱼好吗？这不好，从此走向了搞深度学习众多人群中的沧海一粟，准备每天至少工作十小时往上来弥补摸鱼的时光（沈阳的十二月份是真的冷啊零下二十度）。以及在学姐的安利之下准备先学学TensorFlow然后再用PYTORCH（据说TF代码多，但是PY容易实现自己的创意，虽然我没有创意）~用anaconda安装Python环境