建议：装环境之前，先把自己安装的版本弄清楚，后面出现版本不匹配的问题再重装就会比较烦。注意tensorflow-gpu-2.0有几处代码改动，在跑faster-rcnn的时候有点问题，所以后面需要把tensorflow-gpu版本改成1.1+的。我这里的环境是：Ubuntu16.04+2080ti+Display Driver430.50+cuda10.0+cudnn7+Anacond...

1、安装显卡驱动：根据自己电脑的显卡下载适合的显卡驱动2、安装CUDA8.0 安装完成后查看cuda版本： 在命令行输入nvcc -V3、安装cudnn v6.0将该文件夹下的cuda文件夹下对应的文件目录拷贝到第一步安装的CUDA  文件目录4、安装Anaconda3 4.2.0 (对应python3.5) 备注：环境变量一般会自动添加5、tensorflow-gpu 版本tensorflow-...

1、显卡驱动：quadroK6202、CUDA8.0查看cuda版本： 命令行 nvcc -V3、cudnn v6.04、Anaconda3 4.2.0 (-----对应的python3.5) 5、tensorflow-gpu 版本 tensorflow-gpu-1,3,0.0rc0另外需要的package有：protobuf-3.5.1 t

TypeError: bottleneck() argument after ** must be a mapping, not tuple

实现代码：#coding:utf-8# load MNIST datasetsfrom tensorflow.examples.tutorials.mnist import input_datamnist = input_data.read_data_sets("MNIST_data/", one_hot = True)# View the information of MNIST

# coding: UTF-8import tensorflow as tf import time import mathfrom datetime import datetimeslim = tf.contrib.slimtrunc_normal = lambda stddev: tf.truncated_normal_initializer(0.0,stddev)# In

# coding:utf-8'''使用Tensorflow训练神经网络的4个步骤①定义算法公式 即神经网络的forward时的计算②定义损失函数和选择优化器来优化loss③训练步骤④对模型进行准确率评测隐含层：解决XOR问题神经网络的隐藏层越多就可以对原特征进行越抽象的变换 模型的拟合能力越强Tensorflow实现多层感知机Multi-layer Preceptron''

#encoding: utf-8'''AutoEncoder:使用自身的高阶编码器来提取特征，自编码器其实也是一种神经网络，它的输入和输出是一致的它借助稀疏编码的思想，目标是使用稀疏的一些高阶特征重新组合来重构自己。特点：①期望输入/输出一致；②用高阶特征来重构自己，不是复制像素点'''import numpy as np import sklearn.preprocessing

原本的环境：windows10+cuda7.5+tensorflow1.11、卸载cuda7.5，直接在控制面板卸载ubuntu下，可以参考：http://blog.youkuaiyun.com/u012436149/article/details/531633462、下载cuda8.0https://developer.nvidia.com/cuda-downloads?target

import osimport cv2import numpy as nptry: import xml.etree.cElementTree as ETexcep

1.python环境python3.5下载：https://www.python.org/downloads/在已有anaconda2.7的环境下安装python3.5增加环境变量，并将python3根目录下的python改为python3在命令行输入pyhton对应python2, python3对应python32.安装pip3https://pypi.pyth