tensorflow
文章平均质量分 67
Daniel2333
浙大15级计算机专业硕士研究生
展开
-
Notes on Tensorflow(四)Variables
https://www.tensorflow.org/programmers_guide/variablesVariable变量,通常用于表示和存储模型的参数,使用接口tf.Variable类来定义。 它有以下几个特点: 1. 使用前必须显示初始化 2. 值可以变, 但shape一般不能变。除非validate_shape = False 3. 从物理结构上讲, 它在内存中就是一段缓存,里面存原创 2017-04-28 12:12:15 · 773 阅读 · 0 评论 -
Tensorboard 直方图Summary使用指南
Tensorboard功能很fancy;if 不知道如何解读其中的信息: 然并卵;主要内容:如何解读Histogram Dashboard的信息用途当你想查看一个tensor在训练过程的值的分布情况时,可通过下面的语句将其分布的统计情况显示在tensorboard页面中:tf.summary.histogram('summary_name', tensor)Tensorboard有两个选项原创 2017-05-18 17:00:27 · 16965 阅读 · 4 评论 -
Notes on tensorflow(二)Get started
TensorTensor, 张量,广义的矩阵,直白点就是多维数组。deep learning的计算过程抽象的讲就是tensor的流动过程:input tensor从一层层的layer流过,到最后变成output。这也是tensorflow的名字由来。Computational Graph计算图。将计算过程自成一个有向graph, graph的每个结点代表一个值(tensor或scalar)或一种操作原创 2017-04-27 20:25:57 · 389 阅读 · 0 评论 -
Note on tensorflow(三)Get startd on Tensorboard
TensorboardTensorboard是tensorflow大受欢迎的一个很重要的原因,至少我本人愿意使用tensorflow有很大一部分原因是来自于它。 它的主要功能, 归结到一点, 就是训练过程的可订制可视化。使用tensorboard分为以下几个步骤: 1. 在build graph时配置需要可视化的内容 2. 创建FileWriter 2. 在run graph时加入相关的输出原创 2017-04-27 22:03:25 · 486 阅读 · 0 评论 -
解决本地tensorboard找不到命令的问题
问题描述ubuntu16.04系统,通过pip安装了tensorflow的cpu版本,在terminal中输入tensorboard时提示找不到命令原因TODO解决办法直接通过tensorboard.py启动tensorboard:python .local/lib/python2.7/site-packages/tensorflow/tensorboard/tensorboard.py --log原创 2017-05-07 14:40:52 · 26529 阅读 · 6 评论 -
命令行运行Python脚本时传入参数的三种方式
三种常用的方式如果在运行python脚本时需要传入一些参数,例如gpus与batch_size,可以使用如下三种方式。python script.py 0,1,2 10python script.py -gpus=0,1,2 --batch-size=10python script.py -gpus=0,1,2 --batch_size=10这三种格式对应不同的参数解析方式,分别为sys.arg原创 2017-06-06 20:28:12 · 195286 阅读 · 8 评论 -
Notes on tensorflow(六)variable_scope
https://www.tensorflow.org/programmers_guide/variable_scopeScope与Share机制tensorflow 引入了namespace机制, 也就是scope, 可以方便地命名、共享变量. 当需要共享变量时, 创建变量使用tf.get_variable方法而不是tf.Variable. import tensorflow as tfwith原创 2017-04-28 13:33:10 · 690 阅读 · 0 评论 -
Tensorflow Code Snippets
Tensorflow里常用的一些代码/方法调用原创 2017-05-19 11:02:29 · 886 阅读 · 0 评论 -
slim.arg_scope原理分析
slim.arg_scope的实现使用了修饰器和上下文管理器. 弄清楚这两个语法才能看明白它的源码.使用方式slim.arg_scope常用于为tensorflow里的layer函数提供默认值以使构建模型的代码更加紧凑苗条(slim):import tensorflow as tfslim = tf.contrib.slimwith slim.arg_scope( [layer原创 2017-10-05 12:23:08 · 28717 阅读 · 1 评论 -
tensorflow ExponentialMovingAverage
作用假如我们训练模型迭代了100K,每2K步保存一个snapshot。在evaluation时, 我们可以只使用最后得到的model-100K,也可以通过cross validation选出一最佳的model,如model-98K。 但Googlers发现(https://www.tensorflow.org/versions/r1.0/api_docs/python/tf/train/Expone原创 2017-07-07 11:29:11 · 4357 阅读 · 1 评论 -
使用conda安装tensorflow-gpu 2.0
tensorflow1.x时, 使用conda安装tensorflow-gpu的最大好处是会自动安装cuda、cudnn等依赖。 现在2.0出来了, 但conda暂时还不支持其安装, 最新的版本仍是1.14。 若使用pip安装, 大概率会碰到报错:dynamic library 'libcudart.so.10.0' not found. 这是因为对应的cuda环境没装好。可以手动安装对应的c...原创 2019-10-09 21:16:58 · 5058 阅读 · 0 评论 -
Notes on tensorflow(一) Framework Overview
About tensorflow自TODO年Google开源Tensorflow后, 它迅速火了起来。听一位在MS实习的师兄说, MS也用Google的tensorflow。它能火起来的原因应该有以下几个: 1. Google公司的大力推广 2. 非常活跃的开源社区 3. 本身的确好用OverviewTensorflow, 简称tf, 不仅仅是一个deep learning的框架, 它更是一个原创 2017-04-27 17:41:00 · 455 阅读 · 0 评论 -
tensorflow debug
https://www.tensorflow.org/programmers_guide/debugger原创 2017-04-25 19:53:02 · 604 阅读 · 0 评论 -
tensorflow多机/多GPU训练时使用的术语
replica: 使用多机训练时, 一台机器对应一个replica——复本tower:使用多GPU训练时, 一个GPU上对就一个tower原创 2017-05-08 11:03:42 · 4091 阅读 · 0 评论 -
Notes on tensorflow(五)Tensor Ranks, Shapes, and Types
Rank张量的秩与线性代数里矩阵的秩不同。后者是指最大线性无关向量组的大小,前者指维度。 tensor Rank Value Scalar 0 vector 1 2-D Matrix 2 3-D tensor 3 n-D tensor nShape没什么好说的。可以通过tf.shape或xxx.shape得到, 与numpy很类似。shape的长度就是原创 2017-04-28 12:29:22 · 604 阅读 · 0 评论 -
Single Shot Detection(SSD)bbox prediction相关的(超)参数
参考https://github.com/balancap/SSD-Tensorflow 记录SSD的(超)参数。SSDParameters( img_shape=(300, 300), num_classes=21, no_annotation_label=21, feat_layers=['block4', 'block7', 'block8', 'bloc原创 2017-04-28 21:19:20 · 3374 阅读 · 4 评论 -
Notes on tensorflow(七)将数据集转换为TFRecord
TFRecord是tensorflow使用的数据格式, 类似于caffe的imdb,mxnet的recordio。使用框架定义的数据格式好处是有强大的框架支持,例如封装了数据解析、多线程等操作, 使用起来方便。坏处主要是需要数据转换,要占用额外的空间。 本文描述将pascal voc数据转换成tfrecord文件的过程,得到的tfrecord可用于训练。 代码主要参考 https://githu原创 2017-04-30 13:46:40 · 15924 阅读 · 5 评论 -
Notes on tensorflow(八)read tfrecords with slim
http://blog.csdn.net/weixin_35653315/article/details/71015845 中描述了将pascal voc数据集转换tfrecord的过程。本文则通过slim来读取生成的tfrecord。读取和解码操作由tf.TFRecordReader完成import tensorflow as tfslim = tf.contrib.slimfile_patt原创 2017-04-30 16:21:34 · 9761 阅读 · 5 评论 -
Tensorflow White Paper(一)
很早就想读读tensorflow的白皮书,由于拖延症直到现在才读。 Google分别在2015和2016发布了两份tensorflow白皮书, 内容上应该有所不同吧? 先读15年的。原创 2017-05-24 11:43:55 · 2383 阅读 · 0 评论 -
Tensorflow White Paper(二)
之前15发布的白皮书初步介绍了tensorflow的整体特性,而16发布的第二篇白皮书则侧重于介绍tensorflow的设计理念。1. Introduction略过2. Background & motivationPrevious system: DistBelief ,前任的不足之前就讲过, tensorflow的前任是distblief:Googlers吸取了distblief的开发和应用经验原创 2017-05-24 16:36:35 · 998 阅读 · 0 评论 -
解决tensorflow官网无法访问的问题
原因是它被墙了, 修改hosts文件即可。 我的系统是Ubuntu 1 . 编辑/etc/hosts文件,加入#TensorFlow start64.233.188.121 www.tensorflow.org#TensorFlow end2 . 重启网络服务sudo /etc/init.d/networking restartOK.原创 2017-04-22 08:35:19 · 4781 阅读 · 0 评论 -
tensorflow-gpu SSE
用pip install tensorflow-gpu后,运行时常常会报以下警告:2017-05-06 08:09:33.780033: W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use SSE4.1 instructions, but thes原创 2017-05-06 23:50:20 · 10689 阅读 · 1 评论 -
tensorflow trace: Couldn't open CUDA library libcupti.so.8.0
在使用tensorflow的trace功能时报错:2017-05-07 02:08:31.473421: I tensorflow/stream_executor/dso_loader.cc:129] Couldn't open CUDA library libcupti.so.8.0. LD_LIBRARY_PATH: 需要配置LD_LIBRARY_PATHexport LD_LIB原创 2017-05-07 11:30:22 · 2841 阅读 · 0 评论 -
tensorflow获取可用GPU设备
主要内容: * 使用tensorflow查询机器上是否存在可用的gpu设备 * 使用tensorflow获取可用的gpu设备编号 * tensorflow对GPU设备的编码使用tensorflow查询机器上是否存在可用的gpu设备原创 2017-05-08 09:54:38 · 28035 阅读 · 1 评论 -
tensorflow2.0 安装pydot和graphviz
在使用tensorflow2.0 keras时, 可使用keras.utils.plot_model方法方便的画出模型的拓扑结构图。 这个方法依赖于pydot和graphviz, 若不安装, 执行到这个方法时,会报错: File "/usr/local/lib/python3.6/dist-packages/tensorflow_core/python/keras/utils/vis_utils...原创 2019-10-10 10:43:38 · 1499 阅读 · 0 评论