tensorflow
Simplicity_
这个作者很懒,什么都没留下…
展开
-
笔记本独显怎么用配置cuda环境
第一次在win配置cuda环境还是在笔记本上的独显虽然显存配置不高coreClock: 1.575GHz coreCount: 14 deviceMemorySize: 2.00GiB deviceMemoryBandwidth: 74.52GiB/s好奇试试能不能在tensorflow-gpu跑起来于是跑起来了win配置比Linux没有麻烦很多,界面版的驱动安装连系统环境都不需要设置安装就给同步好了,还是要注意cuda版本、cudnn版本与tensorflow的版本匹配参考https:/原创 2021-06-07 10:38:59 · 919 阅读 · 0 评论 -
TFRecord预处理
我可能没有领悟带Input的reshape的真谛,应该怎么改成224*224*3??? How?原创 2017-09-27 20:53:43 · 339 阅读 · 0 评论 -
关于input to reshape is a tensor 的问题
for index, name in enumerate(classes): class_path = cwd + name +'/' for img_name in os.listdir(class_path): img_path = class_path + img_name # 每一个图片的地址 img = Image.open(img_path原创 2017-10-07 21:17:30 · 8086 阅读 · 12 评论 -
mobileNet训练自己的样本
import matplotlib.pyplot as pltimport numpy as npimport tensorflow as tffrom six.moves import xrangeimport os#from datainput import read_and_decodefrom mobileNet import mobilenetfrom tf_test imp原创 2017-11-28 20:34:44 · 4333 阅读 · 0 评论 -
简单神经网络预测结构化数据关系___测试集(1)
# coding: utf-8import randomimport csvimport tensorflow as tffrom sklearn.datasets import load_bostonimport matplotlib.pyplot as pltfrom sklearn.preprocessing import scalefrom sklearn.model_sel原创 2018-01-21 10:21:01 · 502 阅读 · 0 评论 -
原始数据的筛选(一)
raw_data.py# coding: utf-8import randomimport csvimport tensorflow as tfimport matplotlib.pyplot as pltfrom sklearn.preprocessing import scalefrom sklearn.model_selection import train_test_spl原创 2018-01-25 17:33:19 · 445 阅读 · 0 评论 -
简单神经网络预测结构化数据关系___训练集(1)
# coding: utf-8import tensorflow as tffrom sklearn.datasets import load_bostonimport matplotlib.pyplot as pltfrom sklearn.preprocessing import scalefrom sklearn.model_selection import train_test_原创 2018-01-25 17:54:58 · 665 阅读 · 0 评论 -
简单神经网络预测结构化数据关系___测试集(改良)
# coding: utf-8import randomimport csvimport tensorflow as tfimport matplotlib.pyplot as pltfrom sklearn.preprocessing import scalefrom sklearn.model_selection import train_test_splitfrom sklea原创 2018-01-25 18:08:24 · 711 阅读 · 0 评论 -
简单神经网络预测结构化数据关系
# coding: utf-8import randomimport tensorflow as tffrom sklearn.datasets import load_bostonimport matplotlib.pyplot as pltfrom sklearn.preprocessing import scalefrom sklearn.model_selection imp原创 2018-01-19 19:12:56 · 874 阅读 · 0 评论 -
对原始数据进行采样过滤
# coding: utf-8import randomimport timeimport csvimport tensorflow as tfimport matplotlib.pyplot as pltfrom sklearn.preprocessing import scalefrom sklearn.model_selection import train_test_spli...原创 2018-03-11 10:35:03 · 1375 阅读 · 0 评论 -
简单神经网络预测结构化数据关系___训练集(调参实验)
# coding: utf-8import tensorflow as tffrom sklearn.datasets import load_bostonimport matplotlib.pyplot as pltfrom sklearn.preprocessing import scalefrom sklearn.model_selection import train_test_...原创 2018-03-21 20:06:32 · 859 阅读 · 4 评论 -
res_board 残差神经网络训练
#coding=utf-8import tensorflow as tfimport numpy as npimport pandas as pdimport osimport skimageimport skimage.dataimport randomimport residual_networkfrom dataset import randomizedef load_...原创 2018-05-18 18:42:42 · 516 阅读 · 0 评论 -
关于 session | saver.restore|resnet
bug.1:训练出来的模型在训练的时候出现对同一个数据集训练,但数据的排列顺序不一样,预测的结果不一样。bug怀疑:使用模型预测的时候,模型restore时候,自己又初始化了一遍参数,影响预测效果bug.2:Tensor(“cost/Const:0”, shape=(1,), dtype=int32) must be from the same graph as Tensor(“soft...原创 2019-01-25 18:57:52 · 518 阅读 · 0 评论 -
tfrecords读取加载的坑
花了两天时间研究tfrecords,错在最原始的地方是最难找的bug1.tf.train.string_input_producer([filename],num_epochs=100)num_epochs=None时 默认无限循环设置num_epochs注意init_op = tf.group(tf.global_variables_initializer(), tf.local_var...原创 2019-03-01 18:20:54 · 1281 阅读 · 5 评论 -
在GPU刨过的坑
这两天回学校这两天先是把自己的linux系统给强制删除了,然后导致重启无法正常引导进入win,最后win也救不活了,还不好重装系统,各种文件损坏,简单粗暴的翻车血泪史。捷径路上总是不满陷阱。装好win和linux后,从mac回到我的小本本,依然最亲linux啊哈哈,当然mac也很好。重新在服务器上配置我的环境,该装的装,实习期间慢慢地习惯脱离pycharm了,其实要装的东西不多,就装个tens...原创 2019-04-22 19:57:45 · 3109 阅读 · 7 评论 -
(转)将图像转为TFRecord文件并读取TFRecord文件
1 TFRecord格式介绍 对于大量的图像数据,TensorFlow提供了一种统一的格式来存储数据——TFRecord。TFRecord文件是以二进制进行存储数据的,适合以串行的方式读取大批量数据,虽然它的内部格式复杂,但是它可以很好地利用内存,方便地复制和移动,更符合TensorFlow执行引擎的方式。 TFReocrd文件中的数据都是通过tf.train.Example Protocol转载 2017-09-11 17:20:30 · 478 阅读 · 0 评论 -
fashion-mnist
import tensorflow as tffrom tensorflow.contrib.learn.python.learn.datasets.mnist import read_data_setsimport tensorflow.examples.tutorials.mnist.input_data as input_datafashion=input_data.read_data_se原创 2017-09-10 20:24:24 · 1547 阅读 · 0 评论 -
初测vgg16
# coding: utf-8import matplotlib.pyplot as pltimport numpy as npimport tensorflow as tffrom six.moves import xrange# get_ipython().magic(u'matplotlib inline')train_dataset = np.load('/home/sys-04/原创 2017-09-23 21:08:34 · 330 阅读 · 0 评论 -
tensorflow学习之图像处理
# -*- coding: utf-8 -*-import tensorflow as tfimport os#cifar_10=input_datafrom six.moves import xrangeIMAGE_SISE=24 ## 原图像的尺度为32*32,但根据常识,信息部分通常位于图像的中央,这里定义了以中心裁剪后图像的尺寸NUM_CLASSES=10NUM_EXAMPLE原创 2017-07-11 21:16:35 · 349 阅读 · 0 评论 -
tensorflow 学习之 cifar_10 模型定义
# -*- coding: utf-8 -*-import osimport tensorflow as tfimport new_cifar10_inputFLAGS=tf.app.flags.FLAGS #解析命令行传递的参数#设置模型参数tf.app.flags.DEFINE_integer('batch_size',128,"""Number of images to pr原创 2017-07-12 21:07:46 · 578 阅读 · 0 评论 -
tensorflow 学习之 cifar_10 模型定义(补)
# -*- coding: utf-8 -*-import osimport tensorflow as tfimport new_cifar10_inputimport sysimport tarfileimport urllibFLAGS=tf.app.flags.FLAGS #解析命令行传递的参数#设置模型参数tf.app.flags.DEFINE_integer('b原创 2017-07-13 19:33:55 · 1099 阅读 · 0 评论 -
学习笔记之思路整理
1.图片处理:(流程被分配在16个线程中处理) 图片会被统一裁剪到24x24像素大小,裁剪中央区域用于评估或随机裁剪用于训练; 图片会进行近似的白化处理,使得模型对图片的动态范围变化不敏感。 对图像进行随机的左右翻转; 随机变换图像的亮度; 随机变换图像的对比度;训练方法与损失的定义: 训练一个可进行N维分类的网络的常用方法是使用多项式逻辑原创 2017-07-14 18:44:34 · 1433 阅读 · 0 评论 -
tensorflow学习之cifar_10模型评估
# -*- coding: utf-8 -*-import new_cifar10import tensorflow as tfimport timeimport datetimeFLAGS=tf.app.flags.FLAGStf.app.flags.DEFINE_string('eval_dir','/tmp/cifar10_eval',"""Directory where to w原创 2017-07-15 19:18:33 · 999 阅读 · 0 评论 -
CNN_CT
#coding:utf-8import tensorflow as tfimport numpy as np#导入数据train_dataset=np.load('train_dataset.npy')train_labels=np.load('train_labels.npy')test_dataset=np.load('test_dataset.npy')test_labels=n原创 2017-07-18 08:57:20 · 830 阅读 · 0 评论 -
(转)python图像操作
转自:zbxzc 侵删使用PIL完成[python] view plain copyimport Image #打开图像 img=Image.open('per00001.jpg') #显示 img.show() #灰度化 greyimg=img.convert('L') greyimg.show() import numpy as np #得到图像矩阵 gi转载 2017-07-29 21:02:50 · 4838 阅读 · 0 评论 -
CT数据处理
#coding:utf-8import matplotlib.pyplot as pltfrom scipy import ndimageimport numpy as npfrom PIL import Imageimport osimage_height=2000image_width=1600pixel=255.0train_folder=['/home/henson/Doc原创 2017-07-30 20:33:41 · 1863 阅读 · 0 评论 -
CT之cnn
sess.run(tf.initialize_all_variables())print('initialized')feed_dict = {dataset:train_dataset, labels:train_labels, keep_prob:0.5}for i in range(20000): if i%10 == 0: train_accuracy = acc原创 2017-08-03 20:43:44 · 519 阅读 · 2 评论 -
CT图之cnn
# coding: utf-8import matplotlib.pyplot as pltimport numpy as npimport tensorflow as tffrom six.moves import xrange#get_ipython().magic(u'matplotlib inline')train_dataset = np.load('/home/sys-04原创 2017-08-06 20:43:08 · 909 阅读 · 0 评论 -
cifar10_resNet
#-*-codingLutf-8-*-import randomfrom __future__ import print_functionfrom __future__ import divisionfrom __future__ import absolute_importfrom notmnist.dataset import randomizeimport tensorflo原创 2017-08-10 21:15:44 · 1047 阅读 · 0 评论 -
resnet__残差神经网络搭建
# -*- coding: utf-8 -*-import tensorflow as tffrom collections import namedtupledef print_activations(t): print(t.op.name,t.get_shape().as_list())def conv2d(x,n_fliters,k_h=5,k_w=5, s原创 2017-08-26 19:36:34 · 596 阅读 · 1 评论 -
将原始图片转换成TFRecord文件
# -*-coding = utf-8 -*-from __future__ import absolute_import,division,print_functionimport numpy as npimport tensorflow as tfimport timefrom os import walkfrom os.path import joinfrom scipy.misc原创 2017-09-14 20:06:08 · 1285 阅读 · 0 评论 -
fashion-mnist
fashion-mnist-master github上的一些测试结果,不同算法模型出来的不同准确率。 Epoch的多少,Batch的大小等因素关乎到训练的准确率。 好好学着,人家的经验。在交互式环境里,导入别的目录的类包, 需要先import sys 然后append(/…/)??? init.py 还不行?原创 2017-09-08 19:53:27 · 2524 阅读 · 0 评论 -
MNIST_cnn
# -*- coding: utf-8 -*-import tensorflow as tffrom tensorflow.contrib.learn.python.learn.datasets.mnist import read_data_setsimport tensorflow.examples.tutorials.mnist.input_data as input_datamnist=in原创 2017-07-10 21:12:50 · 424 阅读 · 0 评论