Loong Cheng的博客

1 ------------ nn------------import tensorflow as tfimport torch.nn.functional as Ftf.nn.Conv2dF.conv2d这两个大哥是等价的

**AttributeError: module ‘tensorflow’ has no attribute ‘compat’ when importing tensorflow**出现这个问题原因是你装过了两个大版本的tf。比如说1.x跨越到2.x，或者1.11跨越到1.14以上。出现报错原因是tf的辅助包出问题了。比如tensorflow-estimator或者tensorflow-datasets，或者hub之类的。把他卸了，重新执行下pip install tensorflow==1.15.

import tensorflow.keras as kimport tensorflow as tfimport numpy as npx = np.ones([8,224,224,3]).astype(np.float)data = tf.placeholder(tf.float32,[None,224,224,3])net = k.layers.Conv2D(64,[3,3])(data)y_ = tf.layers.batch_normalization(net, name='qsd'.

有两种方法一方法，这里用的tf.nn。可以用tf.layers代替。 p05 = tf.nn.avg_pool2d(conv10,ksize=[1,conv10.get_shape().as_list()[1],conv10.get_shape().as_list()[1],1],strides=[1,1,1,1],padding=VALID',name='GAP')二方法 p05 = tf.reduce_mean(conv10, [1, 2], keep_dims=True, name

tfs有两种方法布置，一个是通过docker，一个bazel。我用的是docker。比较老的博文说的是把bazel布置在docker中，或者布置ubuntu中。我这里说的是win下布置。docker布置1.去官网注册，然后下载。然后一直下一步就行。点开settings，修改配置源，如下图。{ "registry-mirrors": [ "https://alzgoonw.mirror.aliyuncs.com" ]}输入下面代码验证docker run h.

这个的东西困扰我很久，终于弄成了。不知道我做的是不是太繁琐，如果有人做的更简单，希望指出，谢谢。docker中，做了两个容器，一个放的mtcnn，一个放的facent。他们并不是多模型布置的。mtcnn其中包括：pnet，rnet和onet，这三个是多模型布置。客户端通过调用mtcnn，得到返回值，然后传给facenet。这里有个问题。numpy数组的事，需要转换。不能直接穿numpy的数组给tf-serving。报错一般有两个方面原因，路径错误或者就是传入的值类型不对。还有就是一个问题，绑

把slim代码改成layers代码，为什么不改成keras代码？因为需要该很多东西，工作量比layers的方法大。layers的低层实现是keras。快速修改的方法。首先，找到模型的入口，我的如下图。然后，顺着再找出所有的with slim.arg_scope([slim.batch_norm], **batch_norm_params): with slim.arg_scope([slim.conv2d], weights_regularizer=regularizer):.

tensorflow 1.14.0 把vgg模型量化成int8后，在win系统跑，报错如下Evaluating......Traceback (most recent call last): File "C:\Users\user\AppData\Roaming\Python\Python36\site-packages\tensorflow_core\python\client\session.py", line 1365, in _do_call return fn(*args)..

ckpt常规模型，模型结构，数据，运算图分开保存。常用在训练阶段使用。h5keras前端保存的模型格式，有两种，纯数据和数据+网络结构，可以被tf调用。可以用软件查看内部。pb用于lite端/server端，包括结构+数据，不可以修改内部，也就是为什么叫做凝固图了。pbtxtpb的扩展格式，可以被修改内容，用记事本就可以修改。tflite一种实验的数据格式，可以用轻量级的`tflite_runtime`包来调用，方便用于服务器部署。作为学习 比较推荐h5，部署推.

keras画网络图

自定义激活函数import osfrom keras import backend as Kfrom keras.layers import Activation,Conv2Dfrom keras.utils.generic_utils import get_custom_objectsos.environ["TF_CPP_MIN_LOG_LEVEL"] = "3"def ...

mxnet数据集和tfrecord数据集互转，都能看懂吧。import mxnet as mximport argparseimport PIL.Imageimport ioimport numpy as npimport cv2import tensorflow as tfimport osdef parse_args(): parser = argparse....

cpp真难，卧槽。还有没找到一本好的gpu for cpp的书。最后决定用tensorflow来实现算法吧，下面是一些基础的，给出了有加速和无加速两个版本。以后都用有加速的，算法opencv中慢慢实现，会更新到我的github上。import tensorflow as tffrom matplotlib import pyplot as plt# 第一个版本 有加速版lena =...

在看slim代码中看待这样的结构with slim.arg_scope([slim.conv2d, slim.fully_connected], activation_fn=tf.nn.relu, biases_initializer=tf.constant_initializer(0.1), ...

tf.expand_dims 与tf.squeeze 真是冤家。import numpy as nptf.enable_eager_execution()a = np.random.rand(100)b = a.shapeprint(b)c=tf.expand_dims(a,1)print(c.shape)d=tf.expand_dims(c,0)print(d.sha...

不知道未来slim会不会被遗弃。既然解释不清，slim.utils.convert_collection_to_dic把with作用域下面的计算结果，都汇总到一个list中，每个成员是一个tuple，包括 每层网络的名字，每一层的输出结果，形状，数据类型import tensorflow as tfscope='alexnet_v2'inputs = tf.ones([1,500,...

基础基础变量与运算（四则，逻辑，关系） 变量的作用域与引用 高级运算操作 vgg16网络的搭建 cnn pool fc 激活函数 loss 学习 制作数据文件tfrecord 模型的保存，重载 模型的获取变量名，重训练 数据可视化tensorbroad 处理图像的类 处理文件/目录的类晋级kears包的使用 slim包的使用 基础网络的研究 inceptio...

tf.image这个设计是个反人类的模块，很多东西绕口。在喂入模型图像数据时候，tensorflow用的是[None,w,h,c]，而模型别的框架，可能是[w,h,c,None]，或者是一个长度为5的形状。其中说下kears被整合到了tensorflow，而kears的格式就是和tensorflwo相反的。下面是他的操作图像的函数。adjust_brightness(...): 调整RGB...

tf.gfile他是一个操作文件的模块，他吧os、glob、shutil 这几个对文件操作的功能整合到了一起去。Copy(...): 从一个目录的文件拷贝到了另一个目录,同shutil.copy.DeleteRecursively(...): 以递归方式删除dirname下的所有内容.Exists(...): 确定路径是否存在.Glob(...): 返回与给定模式匹配的文件列表,...

抄的~~~~tf.Variable是一个Variable类通过变量维持图graph的状态，以便在sess.run()中执行；可以用Variable类创建一个实例在图中增加变量；Args:initial_value：Tensor或可转换为Tensor的Python对象，它是Variable的初始值。除非validate_shape设置为False，否则初始值必须具有指定的形状。...

下面我都是抄的，如果说是正确，那么conv3d就是2d+时间域的吧？网上搜的一篇资料，还没看：tensorflow中一维卷积conv1d处理语言序列的一点记录tensorflow中的conv1d和conv2d的区别：conv1d是单通道的，conv2d是多通道，所以conv1d适合处理文本序列，conv2d适合处理图像。conv1dimport tensorflow as tfinpu...

adjust_brightness(...)：调整RGB或灰度图像的亮度.adjust_contrast(...)：调整RGB或灰度图像的对比度.adjust_gamma(...)：对输入图像执行Gamma校正.adjust_hue(...)：调整RGB图像的色调.adjust_saturation(...)：调整RGB图像的饱和度.central_crop(...)：裁剪图像...

目录1.在运行之前先查看GPU的使用情况：2.指定GPU训练：方法一、在python程序中设置：方法二、在执行python程序时候：方法三、推荐3.两种限定GPU占用量的方法：方法一、设置定量的GPU显存使用量:方法二、设置最小的GPU显存使用量，动态申请显存:（建议）方法三，1和2兼顾4.将数据的处理使用多线程的queue在CPU上进行，使得GPU随时都有...

tf.ConfigProto()函数用在创建session的时候，用来对session进行参数配置：config = tf.ConfigProto(allow_soft_placement=True, allow_soft_placement=True)config.gpu_options.per_process_gpu_memory_fraction = 0.4 #占用40%显存se...

tf.app这个模块有点像argparse包，都是引入外部参数，进行运算tf.app.flags.DEFINE_string( 'master', '', 'The address of the TensorFlow master to use.')tf.app.flags.DEFINE_string( 'train_dir', '/tmp/tfmodel/', ...

代码地址https://github.com/tensorflow/models/tree/master/research/slim怎么训练我就不说了，网上很多资源。微调的方法在scripts文件夹下。下面是一个flowers的微调参数，ｖ３模型#!/bin/bashPRETRAINED_CHECKPOINT_DIR=/home/Documents/model/inception...

抄的TensorFlow模型保存函数save = tf.train.Saver()......saver.save(sess,"checkpoint/model.ckpt",global_step=step)运行后保存模型，会得到三个文件，例如：model.ckpt-129220.data-00000-of-00001#保存了模型的所有变量的值。model.ckpt-1...

又是抄的保存模型将训练好的模型参数保存起来，以便以后进行验证或测试，这是我们经常要做的事情。tf里面提供模型保存的是tf.train.Saver()模块。模型保存，先要创建一个Saver对象：如saver=tf.train.Saver()在创建这个Saver对象的时候，有一个参数我们经常会用到，就是max_to_keep 参数，这个是用来设置保存模型的个数，默认为5，...

转载于https://www.youkuaiyun.com/article/a/2018-05-07/15947787摘要：NVIDIA TensorRT™是一个C ++库，可以帮助NVIDIA图形处理器（GPU）进行高性能推理。 TensorRT通过合并张量和图层，转换权重，选择高效的中间数据格式，并根据图层参数和测量的性能从大型内核目录中进行选择，从而对网络进行定义并对其进行优化。TensorRT...

tf.logging.set_verbosity (tf.logging.INFO)作用：将 TensorFlow 日志信息输出到屏幕TensorFlow有五个不同级别的日志信息。其严重性为 调试tf.logging.DEBUG < 信息tf.logging.INFO < 警告tf.logging.WARN < 错误tf.logging.ERROR < 致命tf...

转载：https://www.cnblogs.com/qwangxiao/p/9036493.html在这篇 TensorFlow 教程中，我们将学习如下内容：TensorFlow 模型文件是怎么样的？ 如何保存一个 TensorFlow 模型？ 如何恢复一个 TensorFlow 模型？ 如何使用一个训练好的模型进行修改和微调？1. TensorFlow 模型文件在你训练...

slim.utils.convert_collection_to_dict1.nets/vgg.py中的vgg_16时，出现了一个slim.utils.convert_collection_to_dict(end_points_collection)，但实际上slim里没有utils这个模块，估计是由于版本更新了（我的版本是tf1.8），后来在这个项目的其它文件中看到utils是这样导入的：...

squeeze( input, axis=None, name=None, squeeze_dims=None)该函数返回一个张量，这个张量是将原始input中所有维度为1的那些维都删掉的结果axis可以用来指定要删掉的为1的维度，此处要注意指定的维度必须确保其是1，否则会报错>>>y = tf.squeeze(inputs, [0...

原创 https://blog.youkuaiyun.com/qq_41058594/article/details/85165025在学习Tensorflow进阶实例这本书时候出现了tf.variable_scope,当时很蒙圈，现在就来总结一下：tf.variable_scope函数variable_scope类用于定义创建变量（层）的操作的上下文管理器。此上下文管理器验证（可选）val...

2018.01.25 11:52 14884浏览摘要: tf.name_scope()和tf.variable_scope()是两个作用域，一般与两个创建/调用变量的函数tf.variable() 和tf.get_variable()搭配使用。它们搭配在一起的两个常见用途：1)变量共享，2)tensorboard画流程图时为了可视化封装变量，这两种用途有特定的搭配方式，掌握好就可以用了。...

TensorFlow-Slim使用方法说明翻译自：https://github.com/tensorflow/tensorflow/tree/master/tensorflow/contrib/slimTensorFlow-SlimTF-Slim是Tensorflow中一个轻量级的库，用于定义、训练和评估复杂的模型。TF-Slim中的组件可以与Tensorflow中原生的函数...