silent1cat的博客

概述tf.concat用于拼接张量(tensor)。用法tf.concat([tensor1, tensor2, tensor3, ......], axis)当axis=0时，表示在第0个维度拼接；当axis=1时，表示在第1个维度如果对于一个形状为二维矩阵的tensor来说，第0个维度表示的最外层方括号下的子集，第1个维度表示的是内部方括号下的子集。tf.concat()拼接的张量只会改变一个维度，其他维度是保持不变的。(对于三维矩阵的拼接，axis的取值范围[0, 1, 2]，以此类推

概述tf.keras.layers.Conv2D()函数用于描述卷积层。用法tf.keras.layers.Conv2D( filters, kernel_size, strides=(1, 1), padding='valid', data_format=None, dilation_rate=(1, 1), activation=None)1.filter：卷积核的个数2.kenel_size：卷积核尺寸，如果是正方形，则用一

概述relu称为线性整流函数(修正线性单元)，tf.nn.relu()用于将输入小于0的值增幅为0，输入大于0的值不变。用法tf.nn.relu(features, name=None)例子import tensorflow as tftf.compat.v1.disable_eager_execution()sess = tf.compat.v1.Session()a = tf.constant([-1.0,2.0])a = tf.nn.relu(a)print(sess.run(

这里写目录标题前言本人安装环境查看需要安装Cudnn和Cuda的版本CUDA安装配置CUDA环境检测是否安装完成Cudnn安装将Cudnn相应文件放到CUDA文件去安装tensorflow-gpu创建tensorflow-gpu环境下载tensorflow-gpu前言在这次装tensorflow-gpu中遇到了很多的问题，花费了不少的时间终于把他装好了，下面我将分享我的安装过程。本人安装环境操作系统：Win10 64位显卡：NVIDIA GeForce GTX 1650 Ti查看需要安装Cudn

概述tf.reduce_mean()用于计算tensor(张量)沿着指定的数轴(即tensor的某一维度)上的平均值，用作降维或者计算tensor的平均值。用法tf.reduce_mean(input_tensor, axis=None, keepdims=False, name=None)keep_dims为旧版写法1.input_tensor：输入待降维的tensor2.axis：指定的轴，默认为计算所有元素的均值3.keepdims：是否降低维度，默认值为False。(当为True时，

概述1.batch()：batch在阴影数据时按size大小输出迭代。2.map()：map用法和在Python中基本相同，接受一个函数对象参数，使用Dataset读取的每个数据都会被作为这个函数对象的参数进行计算输出，组成新的数据集。3.shuffle()：shuffle作用于打乱数据集中的元素。4.repeat()：repeat将数据集重复多次用法1.batch(size)import tensorflow as tfimport numpy as npdataset = tf.da

概述tf.data.Dataset.from_tensor_slices作用于切分传入Tensor的第一个维度。生成相应的dataset。用法1.传入的数据为矩阵，假如它的形状为(6,3) ，tf.data.Dataset.from_tensor_slices会将其切分矩阵的第一维度，最后生成的dataset含有6个元素，每个元素的形状为(3， )，即每个元素是矩阵的一行。import tensorflow as tfimport numpy as npdataset = tf.data.Da

概述tf.cast()函数用于执行tensorflow中张量数据类型转换。用法tf.cast(x, dtype, name=None)1.x：待转换的数据(张量)2.dtype：目标数据类型3.name：可选参数，定义操作的名称数据类型数据类型Python 类型说明DT_FLOATtf.float3232 位浮点数.DT_DOUBLEtf.float6464 位浮点数.DT_INT64tf.int6464 位有符号整型.DT_INT32

问题产生原因在Tensorflow无法识别Session这一属性并不是Tensorflow中出现安装错误或者一些包的丢失，而是因为在新的Tensorflow2.0以上的版本已经移除了这一模块，并使用新的模型来代替了。解决方案tf.compat.v1.disable_eager_execution()这样问题就能解决了。希望这篇文章对大家的学习有所帮助！...

概述tf.io.read_file()函数用于读取文件，相当于python的open()函数。通常与tf.io.decode_jdeg()、tf.io.decode_image()搭配使用，用来读取图片。用法tf.io.read_file(filename, name=None)1.filename：Tensor类型的string或者python字符串2.name：名称(可选)返回值：Tensor类型的string代码演示：import tensorfflow as tfimg_ten

报错：解决方案：将model.compile里面的loss参数修改如下即可： model.compile(optimizer='adam', loss=tf.keras.SparseCaticalCrossentropy(from_logits=True), metrics=['accuracy'])改为： model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accu