Xshell远程Centos7,anaconda3 TensorFlow运行“手动下载MNIST数据集”，并用tensorboard展示并分类cnn结果

原创

已于 2023-02-16 18:04:15 修改 · 1.9k 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#tensorboard #手动添加MINIST数据集 #深度学习实例

于 2019-01-05 16:26:18 首次发布

本文介绍了如何在Centos7服务器上使用Anaconda3和TensorFlow1.12进行深度学习。在无网络连接的情况下，手动下载MNIST数据集并解决下载问题。通过运行minist_Tensorboard.py，经过调整，成功在TensorBoard中展示了CNN模型的训练结果和正确率曲线。同时，解决了TensorBoard端口占用和GPU显存不足的问题。

1 环境配置：Centos7服务器已经安装好anaconda3，并利用anaconda安装TensorFlow（本例中版本为CUDA 8.0.44
CUDNN 5.1.10；Python 3.6.7 :: Anaconda custom (64-bit)；TensorFlow为1.12.0）；安装后可以利用如下查看版本和检测是否安装正确：

cat /usr/local/cuda/version.txt
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
conda -V
python -V
>>> import tensorflow as tf
>>> tf.__version__

2 Python代码：下载github测试代码，或者自己写一个train.py

git clone https://github.com/gamersover/tensorflow_basic_tutorial

已经写好的minist_Tensorboard.py百度网盘下载，提取密码(8rcr); 这里方便起见用运行自己写的这个minist_Tensorboard.py网络进行展示。建立一个文件夹DemoMinistNN存放下载的minist_Tensorboard.py。

3 运行train.py，报错。手动下载MINIST数据并导入。
在Xshell终端cd 到DemoMinistNN文件夹下，直接运行python minist_Tensorboard.py，会报错等上几个小时依旧没有反应，但是会在 DemoMinistNN文件夹下出现名为 “MNIST_data”