Alex_XT的博客

前提条件已安装Python，建议采用VirtualEnv或者Anaconda安装TensorFlow 1.xpython和tensorflow的安装见相关文档 https://www.tensorflow.org/install/安装pillow, jupyter, matplotlib, lxml，通过pip完成安装下载源代码Git clone https://github.com/t

'''Created on 2017-4-22@author: XuTing'''# encoding: utf-8import numpy as npimport matplotlib.pyplot as plt# 目标函数:y=x^2def func(x): return np.square(x)# 目标函数一阶导数:dy/dx=2*xdef dfunc(x):

代码TensorFlowMnist-master.zip#!/usr/bin/env python#coding: utf-8import tensorflow as tfimport input_datafrom tensorflow.python.framework import graph_utildef build_network(height,width): """

简介上一篇介绍了基于原始图片的读取，这一篇介绍基于TFRecord的读取。TFRecord是TensorFlow提供的数据读取格式，效率高。这里不介绍TFRecord的制作过程，网上有很多，假设你已经了解了。训练定义网络结构，与上一篇相似，不多说了，也是placeholder name=”input”等，但是这里多了inputs, pop_mean, pop_var, beta, scale = m

简介为何要生成pb文件，大家应该有所了解吧，这里是提供Android的调用，即将Tensorflow训练好了的模型结构和参数移植到Android手机上。训练读取原始图片过程，将其ratio=0.2为校验样本，0.8的比重为训练样本。设置图片宽w = 200，高h = 150，通道c=3，类别数量n_classes = 2。这里提供了transform.resize(img, (h, w, c))将不

0. 安装显卡驱动如果计算机上已经有了（好像可以跳过），如果已经安装过了最新版本，看这里： 如何在 Windows 系统玩 TensorFlow http://mp.weixin.qq.com/s?__biz=MzI2MzYwNzUyNg==&mid=2247483793&idx=1&sn=fc53b4f078d01417e6d152c5bf0b1faf&chksm=eab80418ddcf8d

系统环境win10系统Cuda8.0cudnn5.0Tensorflow1.0.1 问题运行GPU版本的tensorflow时老是报错： Loaded runtime CuDNN library: 5005 (compatibility version 5000) but source wascompiled with 5110 (compatibility version 51

简介读图的时候是用 tensorflow 的函数，存图像用的save，发现报错，tensor对象不能进行直接保存操作，得用 scipy.misc 的 imsave 函数。实例代码import tensorflow as tf import numpy as np import scipy.misc #读取图像可任意大小 filenames = ['E://Parking186//Img

简介对于不同规则大小的图片，想要在不进行压缩的情况下对其进行裁剪或者填充背景颜色为黑色，在Python图像处理中找了半天，没找到相应的函数。。。后来发现可利用tensorflow中的： tf.image.resize_image_with_crop_or_pad示例代码'''Created on 2017-8-16@author: XT'''import tensorflow as tf

简介上一节，介绍了处理一张图片，在不进行压缩的情况下对其进行裁剪或者填充背景颜色为黑色。这节介绍批量读取和保存裁剪、填充的图片。 1、需要在要进行处理的图片，新建InitImages文件夹，把图片放进去，命名格式不需要管； 2、新建文件夹crop_or_pad用于保存处理后的图片，命名规则为“crop_or_pad000”到“crop_or_padxxx”；示例代码'''Created on

简介应用于tensorflow生成.pb文件供Android调用。新的手写AndroidTensorFlowMNISTExample-master.rar代码from __future__ import print_functionimport shutilimport os.pathimport tensorflow as tffrom tensorflow.examples.tutori