zywvvd的博客

title: Windows10 配置 Nvidia 驱动与 Cuda 环境搭建mathjax: falsedate: 2021-04-17 12:50:27tags: [Environment, Cuda]categories: [Environment, Cuda]Windows 配置GPU加速编程环境可能问题比Linux多一些，本文记录配置过程。环境需求当前配置操作系统：Windows 10显卡型号：Nvidia GeForce GTX 960M当前驱动：391.25.

pytorch模型可视化网络结构不是特别方便，需要借助Netron工具，本文记录可视化方法。Github 官网链接支持的网络格式Netron supports ONNX (.onnx, .pb, .pbtxt), Keras (.h5, .keras), Core ML (.mlmodel), Caffe (.caffemodel, .prototxt), Caffe2 (predict_net.pb), Darknet (.cfg), MXNet (.model, -symbol.json),.

pytorch 模型部署很重要的一步是转存pth模型为ONNX，本文记录方法。转存 onnx建立自己的pytorch模型，并加载权重model = create_model(num_classes=2)model.load_state_dict(load(model_path, map_location='cpu')["model"])转存onnx文件dummy_input = torch.randn(1, 3, 256, 256, device='cpu')torch.onnx.

在Keras网络训练过程中，fit-generator为我们提供了很多便利。调用fit-generator时，每个epoch训练结束后会使用验证数据检测模型性能，Keras使用model.evaluate_generator提供该功能。然而我遇到了需要提取验证集y_pred的需求，在网上没有找到现有的功能实现方法，于是自己对源码进行了微调，实现了可配置提取验证集模型预测结果的功能，记录如下。原理简介通过查看源代码，发现Keras调用了model.evaluate_generator验证数据，该函数.

keras支持模型多输入多输出，本文记录多输出时loss、loss weight和metrics的设置方式。<!--more-->模型输出假设模型具有多个输出 classify： 二维数组，分类softmax输出，需要配置交叉熵损失 segmentation：与输入同尺寸map，sigmoid输出，需要配置二分类损失 others：自定义其他输出，需要自定义损失 具体配置model 变量均为模型中网络层 inputs =...

转自：https://blog.youkuaiyun.com/weixin_42052460/article/details/80714539tensorflow中协调器 tf.train.Coordinator 和入队线程启动器 tf.train.start_queue_runnersTensorFlow的Session对象是支持多线程的，可以在同一个会话（Session）中创建多个线程，并行执行。...

作者：-牧野- 来源：优快云 原文：https://blog.youkuaiyun.com/dcrmg/article/details/79776876tensorflow数据读取机制tensorflow中为了充分利用GPU，减少GPU等待数据的空闲时间，使用了两个线程分别执行数据读入和数据计算。具体来说就是使用一个线程源源不断的将硬盘中的图片数据读入到一个内存队列中，另一个线程...

深度学习离不开大量的参数配置，Tensorflow内置的参数方法 tf.flags 是很多TF使用者的选择我在设置参数之后想要每次运行程序时打印出所有参数用来核对与记录，费了些功夫找到了方法不多说，上代码import tensorflow as tfFlags=tf.flagsFlags.DEFINE_float('learning_rate', 0.0001, 'The l...

在tensorflow中，我们可以使用 tf.device() 指定模型运行的具体设备，可以指定运行在GPU还是CUP上，以及哪块GPU上。设置使用GPU使用 tf.device('/gpu:1') 指定Session在第二块GPU上运行： import tensorflow as tf with tf.device('/gpu:1'): v1...

在训练神经网络的过程中发现Keras fit_generator训练的效果莫名其妙地比我手写的网络好虽然很恼火于没有找到原因还是沦陷在Keras的便捷之下初探fit_generator有些不知所措，完全摸不着头绪稍微弄明白一些之后写了一段示例代码相信足够粗浅易懂import tensorflow as tffrom keras import backend as ...

Tensorboard 方便而美丽，但是可远观不可亵玩有点不爽，还是数据落在自己手里比较踏实参考：https://blog.youkuaiyun.com/nima1994/article/details/82844988#commentBox可以方便地读取Tensorboard数据上代码from tensorboard.backend.event_processing import even...

参考：https://blog.youkuaiyun.com/C_chuxin/article/details/85269471Keras中计算神经网络的梯度函数K.gradients（y，x）【功能】用于求y关于x 的导数（梯度），【输入】(y和x可以是张量tensor也可以是张量列表，形如 [tensor1, tensor2, …, tensorn]），【返回】返回的是一个张量列表，...

Tensorflow 几个最新版本的更新大力推崇 Keras 相当于官宣啊相信Keras的可用性给大家做深度学习带来方便 畅快的同时逐渐会变成主流的开发组件0、官方资料Imagenet的图像识别任务目睹了近几年人工神经网络的进展其中有很多里程碑式的进展 keras在应用模块（keras.applications）中提供了带有预训练权值的深度学习模型，这些模型可以用来进行预...

转自：https://spaces.ac.cn/archives/5879今天我们来看一个小众需求：自定义优化器。细想之下，不管用什么框架，自定义优化器这个需求可谓真的是小众中的小众。一般而言，对于大多数任务我们都可以无脑地直接上Adam，而调参炼丹高手一般会用SGD来调出更好的效果，换言之不管是高手新手，都很少会有自定义优化器的需求。那这篇文章还有什么价值呢？有些场景下会有一点...

torch在深度学习中应用广泛，很多图像处理、重建的代码都在torch的平台上筑楼，现记录自己安装torch的简要过程，供大家参考。http://torch.ch/docs/getting-started.html0. 系统环境要求 ：Mac OS X 或者 Ubuntu 12+:1.核心命令# in a terminal, run the commands WITHOU...

原文：https://blog.youkuaiyun.com/ei1990/article/details/779480011、tf.train.Supervisor()import tensorflow as tfimport numpy as npimport oslog_path = 'ckptdir/'log_name = 'liner.ckpt'x_data = np.rand...

原文：https://www.cnblogs.com/hejunlin1992/p/8082535.htmlTensorFlow-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中原生的函数一起使用，与其他的框架，比如与tf.contrib.learn也可以一起使用。Usage使用...

楼主操作系统Win 8.1 -X64 操作系统 为了在服务器Linux上做TensorFlow实验之前现在Win下试试水，决心在笔记本上先装一个根据本人经验 Python 环境建议使用 Anaconda 打包安装下载地址：https://www.continuum.io/downloads/如果你已经装了Python 或者 Anaconda 打算在Win下安装

转自：http://blog.youkuaiyun.com/u013146742/article/details/51986575 （10573）  （0）  举报  收藏本博客仅为作者记录笔记之用，不免有很多细节不对之处。还望各位看官能够见谅，欢迎批评指正。更多相关博客请猛戳：http://blog.youkuaiyun.com/cyh_24如需转载，请附上本文链

本文转载自：http://blog.youkuaiyun.com/shuzfan/article/details/50723877本次所讲的内容为Batch Normalization，简称BN，来源于《Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift》，是一篇很好的

转自：http://blog.youkuaiyun.com/u010159842/article/details/54407745我们不推荐使用pickle或cPickle来保存Keras模型你可以使用model.save(filepath)将Keras模型和权重保存在一个HDF5文件中，该文件将包含：模型的结构，以便重构该模型模型的权重训练配置（损失函数，优化器等）优化器

转自：http://blog.youkuaiyun.com/jerry81333/article/details/52931412 会话控制 Session：TensorFlow中的Session主要用于执行命令，不管你前面做了什么，比如使用add()，mul()方法，相加也好，相乘也好，不执行Session().run()就不会执行相应的操作。例子如下：[python] view pla...

基于某种原因 新装了Python 2.7 使用keras做深度学习需要安装keras包，但是报错，主要信息为scipy 包打开错误原因为Scipy包缺失在pip install scipy 时各种报错 大概错误指向了numpy，百度到了一个解决办法特此记录一下首先感谢大神引路：https://zhidao.baidu.com/question/177420604

转自：http://blog.youkuaiyun.com/phdat101/article/details/52442738正常情况下，使用tf.initialize_all_variables()初始化变量，在完全构建好模型并加载之后才运行这个操作。生成数据的主要方法如下1）如果需要利用已经初始化的参数给其他变量赋值TF的变量有个initialized_value()属

TensorFlow 1.0 (February 2017)以后 出现了高级API tf.layers.batch_normalization .使用简单方便# Set this to True for training and False for testingtraining = tf.placeholder(tf.bool)x = tf.layers.dense(input

Python 读取图片一般有 opencv 和 matplotlib两种包可用，在此介绍后一种在Ubuntu下的环境配置方法首先安装numpy和scipy然后 sudo pip install matplotlib这时候可能仍然无法使用matplotlib库的pyplot读取图像因为Tkinter没有在系统python中默认安装为安装Tk

转自：http://www.cnblogs.com/tengge/p/6376073.html打开Python Shell，执行以下代码：import tensorflow as tfimport numpy as np#输入数据x_data = np.linspace(-1,1,300)[:, np.newaxis]noise = np.random.normal(0,0...

原文链接：http://blog.youkuaiyun.com/qiqiaiairen/article/details/53184216class tf.train.Saver保存和恢复变量最简单的保存和恢复模型的方法是使用tf.train.Saver 对象。构造器给graph 的所有变量，或是定义在列表里的变量，添加save 和 restore ops。saver 对象提

一、Tensor 之间的运算规则相同大小 Tensor 之间的任何算术运算都会将运算应用到元素级不同大小 Tensor(要求dimension 0 必须相同) 之间的运算叫做广播(broadcasting)Tensor 与 Scalar(0维 tensor) 间的算术运算会将那个标量值传播到各个元素Note： TensorFLow 在进行数学运算时，一定要求各个 Tensor 数据类型一致

执笔时间：2019.01.12目的是在ubuntu 16.04 中搭建tensorflow-gpu运行环境在近期有相似需求的同志可以适当参考学艺不精，如有纰漏烦请不吝赐教参考了很多大神的经验，感谢他们～https://www.cnblogs.com/iloveblog/p/7683349.htmlhttps://blog.youkuaiyun.com/u014595019/art...

原文：https://www.cnblogs.com/huwtylv/p/10204295.htmlimport tensorflow as tfdef model_1(): with tf.variable_scope("var_a"): a = tf.Variable(initial_value=[1, 2, 3], name="a") vars...

楼主为了装tensorflow 下了Anaconda 最新版 自带Python3.6.0 使用Canda安装了 新的python 3.5.2 环境随后使用Anaconda Navigator为新环境安装了Spyder打不开网上说可能是编码问题 但是进入命令行发现编码格式就是 utf-8完全解决这个问题的方法还没有找到目前可以用以下方法勉强