qq_43203949的博客

使用tensoflow serving来部署模型推理节点这里使用的时docker来进行模型的部署，主要是docker更轻便和方便。1.训练一个分类模型分类模型一般很简单，这里我已经训练好一个（测试97.6准确率）的分类模型，因为是本地跑的，所以准确率先对低一点，毕竟受到设备的限制（显存才4G）。2.模型导出格式模型的导出必须要全格式，而非tensorflow的checkpoint（一些权重文件），应该是tensorflow提供的pb模型格式。3.docker部署tensoflow serving

window系统下安装TensorFlow-gpu本教程是在window系统下进行的，如果你是Linux系统，请寻找其他教程。本教程安装的是TensorFlow-gpu 2.1.0版本1.我的安装环境如下：操作系统：window10CUDA Version：10.2Driver Version: 441.83NVIDIA-SMI 441.83CUDA runtime：10.1cudnn=7.6.5python解析器：python3.6（anaconda3）首先查看显卡信息首先查看CU

添加或删除jupyter notebook的虚拟环境1.添加Kernel(环境)切换到要添加的环境，我这里是tensorflowconda activate tensorflow安装ipykernelpip install ipykernel添加Kernel（–name 后面跟你要给Kernel起的名字）python -m ipykernel install --name tensorflow如果报没权限python -m ipykernel install --user --na

VOCDateAugment目的：对VOC数据集的对象检测的数据进行数据增强。本人编写了一个脚本，在没使用脚本前请前去除没有打标签的图片或多余的标签文件。并请确保标签文件和图片命名一样。代码地址：https://github.com/Mygithub-Yao/tools-VOCvisualiztion模块这个模块是脚本，主要功能是通过图片和其label文件，生成带bboxs的图片。效果如下图片ImgParser模块里面有class ImgParser类，类提供了5个图片数据增强的功能，分别

解决Could not load dynamic library ‘cudnn64_7.dll’; dlerror: cudnn64_7.dll not found如果你使用的是tensorflow或其他深度学习框架，发现报错没发现cudnn64_7.dll，文件可以去英伟达那里下载相应的文件包。地址：https://developer.nvidia.com/rdp/cudnn-download#a-collapse765-101不过要注册账号，还要验证。本人自己下了一个：https://downloa

tfds.load()和tf.data.Dataset的简介tfds.load()有以下参数tfds.load( name, split=None, data_dir=None, batch_size=None, shuffle_files=False, download=True, as_supervised=False, decoders=None, read_config=None, with_info=False, builder_kwargs=None, downloa

tensorflow-gpu2.x无法检测到GPU设备1.检查在解决问题前检查一下tensorflow是否只能检查到CPU，而无法检查到GPU，而非无法调用GPU。import tensorflow as tfprint(tf.test.is_gpu_available())gpus = tf.config.experimental.list_physical_devices(device_type='GPU')cpus = tf.config.experimental.list_physica

删除VOC数据中没打标签的图片py脚本功能：删除VOC数据中的JPEGImages文件中的没打标签的文件。代码如下：import ospath1 = r"F:\alldate\SHONG\Annotations" #对比的文件夹（标签文件夹）path2 = r"F:\alldate\SHONG\JPEGImages" #删除文件的文件夹（图片文件夹）filelist1 = os.listdir(path1) #该文件夹下所有的文件（包括文件夹）filelist2 =