荪荪的博客

一、RPC、RMI、HTTP、REST的区别RPC：远程服务调用（Remote Procedure Call），加上Protocol后可以称为远程过程调用协议，可以用不同的语言实现，可以借用HTTP协议或者其他协议来实现，一般都是通过基于TCP/IP的自定义协议实现。HTTP协议和TCP/IP协议有什么关系呢？HTTP是应用层协议，TCP/IP是传输层协议。HTTP协议请求中会包含很多内容，传输效率要低，一般RPC实现都不采用HTTP协议；RPC采用自定义的TCP协议，可以精简报文格式，一般都是采用

摘要：要把自己的模型进行移植，之前是后端的移植，最近前端也提了需求，前端一般都是用海思芯片(海思HI3516DV300)，只支持caffe，所以为了先测试时间得把tf的模型转成caffemodel。这里是将tf1.x转为caffemode,后续补全darknet转为caffemode一、转换ckpt转caffemodel转换代码：# coding=utf-8# Author : AnnSun# Created date: 2020-06-23# from __future

摘要：要把自己的模型进行移植，之前是后端的移植，最近前端也提了需求，前端一般都是用海思芯片(海思HI3516DV300)，只支持caffe，所以为了先测试时间得把tf的模型转成caffemodel。这里是将tf1.x转为caffemode,后续补全darknet转为caffemode一、转换环节的注意点：卷积tensorflow卷积参数的存储方式是：（kernel_h, kernel_w, input_channel, output_channel）caffe卷积参数的存储方式是：（out

一、查看caffe每一层的参数结构代码：# python3caffe_root = '/home/qif/smf/caffe/' import sys sys.path.insert(0, caffe_root + 'python') import caffedeploy_proto = r"./yolov3_deploy.prototxt" caffe_model = r"./yolov3_helmet.caffe

在pycharm中直接运行tf113tocaffe.py报错如下：cudnn_conv_layer.cpp:52] Check failed: error == cudaSuccess (30 vs. 0) unknown error如下图所示：解决方法：在tf113tocaffe.py所在目录下，打开终端：sudo python3 tf113tocaffe.py （重点是sudo python3）问题2：在终端运行：sudo python3 tf113tocaffe.py报错如

报错importerror: Something is wrong with the numpy installation. While importing we detected an older version of numpy in [‘D:\Anaconda3\envs\tensorflow\lib\site-packages\numpy’]. One method of fixing this is to repeatedly uninstall numpy until none is foun

用tensorflow的同学肯定都知道，只要tf的程序运行起来就会默认占满显存，但实际上有些代码使用的数据量远远不需要使用全部显存，这样就造成了浪费，我们可以在代码前加上一些控制语句，使程序占用的显存智能一些。# 指定显卡import osos.environ["CUDA_VISIBLE_DEVICES"] = "0"......# tf1.x version # # 按比例配置显存config = tf.ConfigProto()config.gpu_options.per_proce

鉴于研究tf各种平台的引用，很多还是鉴于tf1.x，所以来研究tf1.x尽可能都转为tf2.x。所以想tf1.13.1与tf2.0.0并存，之前已经安装过tensorflow2,这里直接记录tf1.13.1gp安装。.win+R打开cmd:1.创建虚拟环境：conda create -n tf113 -python3.62.查看列表conda info --env3.激活tensorflow1.13.1虚拟环境activate tf1134.安装gpu版本的tensorflow1.13.1

问题1：ImportError: No module named ‘imgaug’要对一些数据进行数据增强，需要用到imgaug,想要安装到tensorflow目录下，开始我直接在Anaconda Prompt输入解决方法：(tf2-gpu) C:\Users\Administrator>pip install imgaug问题2：No module named ‘tqdm’解决：当前使用的环境是一个虚拟环境，激活虚拟环境，之后pip install tqdm，这样就没问题了(tf

问题：pycharm下运行tensorflow2版本的yolov3代码程序，运行出错，出错的两行主要信息如下：ImportError: DLL load failed: 找不到指定的模块ImportError: numpy.core.multiarray failed to import但是在pycharm的终端运行import numpy没有任何问题，估计是使用numpy的第三方出问...

一.安装anconda(minianconda首推)，此处不多解释二.安装pycharm三.win+R打开cmd:1.创建虚拟环境：conda create --name tensorflow2.0 -python3.52.查看列表conda info --env2.激活tensorflow2.0虚拟环境activate tensorflow2.0如图，出现红框...

实例代码："""Please note, this code is only for python 3+. If you are using python 2+, please modify the code accordingly."""import tensorflow as tffrom tensorflow.examples.tutorials.mnist import inp

saver实例代码：## Save to file# remember to define the same dtype and shape when restoreW = tf.Variable([[1,2,3],[3,4,5]], dtype=tf.float32, name='weights')b = tf.Variable([[1,2,3]], dtype=tf.float32, n...

与上几遍博文一样，以实例代码讲解："""Please note, this code is only for python 3+. If you are using python 2+, please modify the code accordingly."""import tensorflow as tffrom sklearn.datasets import load_digit

本节主要讲解TensorBoard可视化工具TensorBoard可以将训练过程中的各种绘制数据展示出来，包括标量（scalars），图片（images），音频（Audio）,计算图（graph）,数据分布，直方图（histograms）和嵌入式向量。使用TensorBoard展示数据，需要在执行Tensorflow就算图的过程中，将各种类型的数据汇总并记录到日志文件中。然后使用TensorBo...

以代码实例来讲解：此处先贴上代码，回头再补充讲解"""Please note, this code is only for python 3+. If you are using python 2+, please modify the code accordingly."""import tensorflow as tfimport numpy as npimport matp

tensorflow分为构建模型和训练两部分，构建模型通常会用到Tensor，variable,placeholder，而训练阶段会用到Session！构建模型阶段，构建一个图（graph）来描述我们的模型（数据输入->中间处理->输出），此时不会发生实际运算，而在模型构建完毕之后，会进入训练步骤，此时才会有实际的数据输入以及梯度计算等操作。下面先一个实例来说明一下im

本学习笔记根据自己看中文文档以及博客和视频课写下的学习记录!本节的目的是了解和运行 TensorFlow!在开始之前, 让我们先看一段使用 Python API 撰写的 TensorFlow 示例代码, 让你对将要学习的内容有初步的印象.这段很短的 Python 程序生成了一些三维数据, 然后用一个平面拟合它.import tensorflow as tfimport