主要用于命令记录:
出现错误, has no attribute 主要是版本不同
前4个是 V0.11 的API 用在 V1.0 的错误
1.AttributeError: ‘module’ object has no attribute ‘merge_all_summaries’
tf.merge_all_summaries() 改为:summary_op = tf.summary.merge_all()
2.AttributeError: ‘module’ object has no attribute ‘SummaryWriter’
tf.train.SummaryWriter 改为:tf.summary.FileWriter
3.AttributeError: ‘module’ object has no attribute ‘scalar_summary’
tf.scalar_summary 改为:tf.summary.scalar
4.AttributeError: ‘module’ object has no attribute ‘histogram_summary’
histogram_summary 改为:tf.summary.histogram
下边这个是 V1.0 的API 用在 V0.11 的错误
File “dis-alexnet_benchmark.py”, line 110, in alexnet_v2
biases_initializer=tf.zeros_initializer(),
TypeError: zeros_initializer() takes at least 1 argument (0 given)
将 biases_initializer=tf.zeros_initializer() 改为:biases_initializer=tf.zeros_initializer
转载于http://blog.csdn.net/s_sunnyy/article/details/70999462
tf.nn.in_top_k组要是用于计算预测的结果和实际结果的是否相等,返回一个bool类型的张量,tf.nn.in_top_k(prediction, target, K):prediction就是表示你预测的结果,大小就是预测样本的数量乘以输出的维度,类型是tf.float32等。target就是实际样本类别的标签,大小就是样本数量的个数。K表示每个样本的预测结果的前K个最大的数里面是否含有target中的值。一般都是取1。
例如
*python*
import tensorflow as tf;
A = [[0.8,0.6,0.3], [0.1,0.6,0.4]]
B = [1, 1]
out = tf.nn.in_top_k(A, B, 1)
with tf.Session() as sess:
sess.run(tf.initialize_all_variables())
print sess.run(out)
输出:
[False True]
解释:因为A张量里面的第一个元素的最大值的标签是0,第二个元素的最大值的标签是1.。但是实际的确是1和1.所以输出就是False 和True。如果把K改成2,那么第一个元素的前面2个最大的元素的位置是0,1,第二个的就是1,2。实际结果是1和1。包含在里面,所以输出结果就是True 和True.如果K的值大于张量A的列,那就表示输出结果都是true
转载于http://blog.csdn.net/uestc_c2_403/article/details/73187915