m0_37799466的博客

1、name_scope命名域（1）通过tf.name_scope()来实现，使用tf.Variable()创建变量时会自动加上词头；只要使用该函数，一律创建新的variable，如果出现重名，变量名后面会自动加上后缀1，2….；（2）tf.get_variable()：如果变量存在，则使用以前创建的变量，如果不存在，则新创建一个变量。使用tf.get_variable()创建的变量没有词头；import tensorflow as tfwith tf.name_scope('cltdevelop

代码地址训练代码train.pyfrom __future__ import absolute_importfrom __future__ import divisionfrom __future__ import print_functionimport siximport tensorflow as tf#import tensorflow.compat.v1 as tffrom tensorflow.contrib import quantize as contrib_quantize

多个机器和GPU上部署Slim模型1.设置DeploymentConfigDeploymentConfig参数： * num_clones：每个机器中要部署的模型网络的数量。 * clone_on_cpu：如果将模型放置在CPU上，则为true。 * copy_id：整数。 为其部署模型的机器的索引。 主要机器通常为0。 * num_replicas：要使用的机器数。 * num_ps_tasks：“ ps”作业的任务数。 0不使用副本。 * worker_job_n

1.环境配置（1）首先需要配置代码运行所需要的环境，本文使用的是从官网下载的代码，其源码是在TensorFlow运行的，故需要安装TensorFlow，我安装的是TensorFlow-gpu=15.0版本，所以之前需要先配置好相应的Cuda环境和Cudnn环境，这里使用的是Cuda10.0，我试过Cuda10.1，会出现错误，虽然可以通过修改实现代码正常运行，但最后还是安装与TensorFlow...

一、pip换源原因大家都有体会，通过pip下载安装包的速度简直是龟速前行，而且会各种报错，尤其是在等了半天马上下载完成时突然报错，简直令人发狂。之所以在使用pip下载安装包时有时会快有时会很慢，是因为其连接的主要是国外的源，当连接国内源时速度很快，所以这里需要将其连接的源都换成国内的源来提升下载速度。二、国内源阿里云 [http://mirrors.aliyun.com/pypi/simpl...