问题1
ImportError: Failed to import pydot. You must install pydot and graphviz for `pydotprint` to work.
conda环境下执行:
conda install pydot
conda install graphviz
conda install pydotplus
同时要从https://graphviz.gitlab.io/download/下载对应版本的graphviz.exe执行文件,安装并选择将bin加入到路径中即可
问题2
路径加载问题
在windows系统当中读取文件路径可以使用,但是在python字符串中\有转义的含义,如\t可代表TAB,\n代表换行,所以我们需要采取一些方式使得\不被解读为转义字符
1、在路径前面加r,即保持字符原始值的意思
sys.path.append(r'c:\Users\mshacxiang\VScode_project\web_ddt')
2、替换为双反斜杠
sys.path.append('c:\\Users\\mshacxiang\\VScode_project\\web_ddt')
3、替换为正斜杠
sys.path.append('c:/Users/mshacxiang/VScode_project/web_ddt')
为了代码可移植性强,可以采用当前路径+路径拼接的方法来做
CURRENT_DIR = os.path.dirname(os.path.abspath(__file__))
model_file_path = os.path.join(CURRENT_DIR, "models\\pWeb-cnn1D-"+stamp)
log_file_path = os.path.join(CURRENT_DIR, "logs\\pWeb-cnn1D-"+stamp)
问题3
OP_REQUIRES failed at save_restore_v2_ops.cc:109 : Invalid argument: Failed to create a directory
可能造成此问题的原因:
1.修改路径:绝对路径过长,尽量放到盘的根目录下
2.修改源码:(windows中文件命名不能出现英文格式的’:’)
stamp = datetime.now().strftime("%Y%m%d-%H:%M:%S")
model_path = model_path = r"D:\TensorFlow\mnist\models"+stamp
stamp = datetime.now().strftime("%Y%m%d-%H-%M-%S")
model_path = model_path = r"D:\TensorFlow\mnist\models"+stamp
问题4
训练模型保存路径放在c盘下,出现该问题
OP_REQUIRES failed at save_restore_v2_ops.cc:220 : Permission denied
问题5
原因是python与numpy不匹配的问题
先全部卸载再安装
conda uninstall numpy
pip uninstall numpy
conda uninstall tensorflow
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ --upgrade numpy
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ --upgrade tensorflow
使用pip安装最新版的tensorflow,自动匹配安装numpy
tensorflow2.7, python3.8.8,numpy1.21.4
问题6
恶心我一整天的问题:路径问题 我知道是路径问题,怎么就解决不了
# 检查最新模型
latest = tf.train.latest_checkpoint(model_path)
print(model_path)
print("latest:{}".format(latest))
# 载入模型
model.load_weights(latest)
此处输入的latest最新的模型为None,说明在相应的路径下没有获取到相应的训练模型,说明载入路径有问题
if __name__ == "__main__":
stamp = datetime.now().strftime("%Y%m%d-%H-%M-%S")
model_path = r"D:\TensorFlow\mnist\models\nn"+stamp
log_path = r"D:\TensorFlow\mnist\logs\nn"+stamp
inputs, outputs, evals = gen_datas()
model = create_model()
display_nn_structure(model, r"D:\TensorFlow\mnist\nn-structure.png")
train_model(model, inputs, outputs, model_path, log_path)
model_path = r"D:\TensorFlow\mnists\models"
test_images = tf.convert_to_tensor([inputs[0]])
print(test_images)
pres = prediction(model, model_path, inputs[:10])
print("prediciton:{}".format(tf.math.argmax(pres,1)))
# plot_prediction(model, model_path, inputs[:16], evals[:16])
# print(model.weights)
另外附自己在stack overFlow查到的相关解决办法:希望你们别用上,太让人头秃了