qq_40716944的博客

一、编译TensorFlow的c++接口在调用TensorFlow的c++接口之前，首先要安装bazel、protobuf、Eigen等软件，然后下载TensorFlow源码进行编译，整体过程还是比较麻烦。1、配置C++版tensorflow使用时的第三方依赖（1）protobuf下载及安装Protobuf这玩意儿是重中之重，它的版本与tensorflow的版本密切相关，它的版本错...

Tensorflow object detection API训练自己的目标检测模型一、Tensorflow object detection API的详细配置教程简单介绍Tensorflow object detection API：这个API是基于tensorflow构造的开源框架，易于构建、训练和部署目标检测模型。关于tensorflow安装：自行百度， 教程很多，分CPU,...

# -*- coding: utf-8 -*-from tensorflow.examples.tutorials.mnist import input_dataimport tensorflow as tfimport os os.environ["CUDA_VISIBLE_DEVICES"] = "0"#指定GPU#tensorflow基于mnist实现VGG11mnis...

假设文件中有一个图片数据集0001.jpg、0002.jpg、0003.jpg……只需要把它们读取到内存中，然后提供给GPU或是CPU进行计算就可以了。这听起来很容易，但事实远没有那么简单。事实上，必须先读入数据后 才能进行计算，假设读入用时 0.1s，计算用时 0.9s，那么就意味着每 过 1s，GPU 都会有0.1s无事可做，这大大降低了运算的效率。如何解决这个问题？方法就是将读入数据和计算...

 本博客将建立一个简单的卷积神经网络，可以把MNIST手写字符的识别准确率提高到99%。具体如下：程序的开头是导入TensorFlowimport tensorflow as tfimport numpy as npimport os os.environ["CUDA_VISIBLE_DEVICES"] = "0"#指定GPU#从tensorflow.examples.t...

 tfrecords的分析与存储实例TFRecords其实是一种二进制文件，虽然它不如其他格式好理解，但是它能更好的利用内存，更方便复制和移动，并且不需要单独的标签文件。总而言之，这样的文件格式好处多多，所以让我们用起来吧。TFRecords文件包含了tf.train.Example 协议内存块(protocol buffer)(协议内存块包含了字段 Features)。我们可以写一段...

小数据量读取这仅用于可以完全加载到存储器中的小的数据集有两种方法：存储在常数中。 存储在变量中，初始化后，永远不要改变它的值。使用常数更简单一些，但是会使用更多的内存，因为常数会内联的存储在数据流图数据结构中，这个结构体可能会被复制几次。training_data = ...training_labels = ...with tf.Session() as sess： ...

在使用TensorFlow进行异步计算时，队列是一种强大的机制。为了感受一下队列，让我们来看一个简单的例子。我们先创建一个“先入先出”的队列（FIFOQueue），并将其内部所有元素初始化为零。然后，我们构建一个TensorFlow图，它从队列前端取走一个元素，加上1之后，放回队列的后端。慢慢地，队列的元素的值就会增加。TensorFlow提供了两个类来帮助多线程的实现：tf.Coordi...

在我们训练或者测试过程中，总会遇到需要保存训练完成的模型，然后从中恢复继续我们的测试或者其它使用。模型的保存和恢复也是通过tf.train.Saver类去实现，它主要通过将Saver类添加OPS保存和恢复变量到checkpoint。它还提供了运行这些操作的便利方法。tf.train.Saver(var_list=None, reshape=False, sharded=False, max_t...

图(graph)tf.Graph：TensorFlow计算，表示为数据流图。一个图包含一组表示 tf.Operation计算单位的对象和tf.Tensor表示操作之间流动的数据单元的对象。默认Graph值始终注册，并可通过调用访问 tf.get_default_graph。a = tf.constant(1.0)assert c.graph is tf.get_default_...

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。 1、变量op能够持久化保存，普通张量不行 2、定义一个变量时，在会话中必须初始化 3、name参数：在tensor...

张量(tensor)在Tensorflow中，所有数据都通过张量的形式来表示，从功能上看，张量可以简单的被理解为多维数组。其中零阶张量表示标量（scalar），也就是一个数；第一阶张量为向量（vector）,也就是一个一维数组；同理第n阶张量就是n维数组。 但是张量在Tensorflow中的实现并不是采用数组的形式，他只是对Tensorflow中运算结果的引用。在张量中并没有真正的保存数字...

  初始TensorFlow使用 TensorFlow, 你必须明白 TensorFlow：Tensorflow有一下几个简单的步骤：使用 张量(tensor) 表示数据. 使用图 (graph) 来表示计算任务. 在会话（session)中运行图s图TensorFlow程序通常被组织成一个构建阶段和一个执行阶段. 在构建阶段, op的执行步骤被描述成一个图. 在执行...

第一坑请把你的计算机名称改成英文名，不要使用中文，就像我这样。我原来用中文落残，死活解码报错，改过来就可以了。第二坑代码写好后，我们该怎么打开数据流图？给大家一个简单的代码示范：该文件我保存在F：\tensorflowe文件夹下面，命名为firstimport tensorflow as tfa = tf.constant(5, name="input_a")b = tf.constant(...

# -*- coding: utf-8 -*-"""Created on Fri Apr 27 09:52:50 2018@author: Administrator"""#导入所需要的库，这里采用手写数字import numpy as npimport sklearn.preprocessing as prepimport tensorflow as tffrom tensorflow.exam...