![](https://img-blog.csdnimg.cn/20190927151124774.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
深度框架|TensorFlow & Keras
TensorFlow和Keras的一些笔记
hjxu2016
好记性不如烂笔头|
独乐乐不如众乐乐|
你的纠错与关注就是对我最大的支持
展开
-
查看TF是GPU版本还是CPU版本
查看TF是GPU版本还是CPU版本记性不好,留个爪import osfrom tensorflow.python.client import device_libos.environ["TF_CPP_MIN_LOG_LEVEL"] = "99"if __name__ == "__main__": print(device_lib.list_local_devices())原创 2021-02-24 17:11:58 · 1243 阅读 · 0 评论 -
Tensorlfow2.Failed to get convolution algorithm. This is probably because cuDNN failed to initialize
TF2.X遇到 Failed to get convolution algorithm. This is probably because cuDNN failed to initialize已经验证过的训练脚本,莫名出现这个问题。一直在cudnn上纠结了很久后来发现只需要在训练脚本前加上即可from tensorflow.compat.v1 import ConfigProtofrom tensorflow.compat.v1 import InteractiveSessionconfig原创 2020-12-04 18:37:46 · 137 阅读 · 0 评论 -
TF_Serving 模型部署
传送门TF_Serving 部署一个模型使用tensorflow serving部署keras模型(tensorflow 2.0.0)如果遇到 { “error”: “Serving signature name: ”serving_default“ not found in signature def” }可以尝试saved_model_cli show --dir saved_mo...原创 2020-04-15 12:08:19 · 939 阅读 · 0 评论 -
tensorflow1.x和tensorflow2.0两个版本的函数对比表
转自tensorflow1.x和tensorflow2.0两个版本的函数对比表转载 2020-04-02 11:04:54 · 4466 阅读 · 0 评论 -
Tensorflow2.0学习(七):猫狗大战2、训练与保存模型
熟悉TF1.X,对Record数据情有独钟,那么TF2.0如何训练record数据呢?在Tensorflow2.0学习(六):猫狗大战1、制作与读取record数据 已经介绍了如何生成与读取tfRecord数据,这篇介绍训练record数据与保存模型的两种方法.一、搭建网络以ResNet50为例,通常去掉最后一层的网络,最为新任务的特征提取子网络,然后根据自己的任务类别,加一个对应数据的全连...原创 2020-03-31 15:29:21 · 3669 阅读 · 6 评论 -
Tensorflow2.0学习(六):猫狗大战1、制作与读取record数据
一、 TFRecords数据介绍:TFRecords可以允许你讲任意的数据转换为TensorFlow所支持的格式, 这种方法可以使TensorFlow的数据集更容易与网络应用架构相匹配。这种建议的方法就是使用TFRecords文件,TFRecords文件包含了[tf.train.Example 协议内存块(protocol buffer)](协议内存块包含了字段[Features]。你可以写一段...原创 2020-03-28 14:57:39 · 1324 阅读 · 0 评论 -
Tensorflow2.0学习(五):用一个更深的网络预测手写数字并在eager模式下保存模型
版权提示:以下所有例子都是参考github大神制作,我只是搬运工https://github.com/YunYang1994/TensorFlow2.0-Examples一、制作数据import numpy as npimport tensorflow as tf#参数设置learning_rate = 0.001training_step = 3000batch_size =...原创 2020-03-26 15:22:17 · 521 阅读 · 0 评论 -
Tensorflow2.0学习(四):Logist回归预测手写数字
版权提示:以下所有例子都是参考github大神制作,我只是搬运工https://github.com/YunYang1994/TensorFlow2.0-Examples一、读取数据与制作数据import tensorflow as tfimport numpy as nplearning_rate = 0.001training_epoch = 6batch_size = 32...原创 2020-03-26 13:35:30 · 446 阅读 · 0 评论 -
Tensorflow2.0学习(三):线性回归的小例子
版权提示:以下所有例子都是参考github大神制作,我只是搬运工https://github.com/YunYang1994/TensorFlow2.0-Examples一、最简单的线性回归首先定义模型和损失函数import tensorflow as tfimport matplotlib.pyplot as plt#定义模型和损失函数class Model(object): ...原创 2020-03-14 10:48:52 · 1447 阅读 · 0 评论 -
Tensorflow2.0学习(二):四个激活函数介绍以及梯度带
1原创 2020-03-12 19:44:10 · 728 阅读 · 0 评论 -
Tensorflow2.0学习(一):入门介绍篇
文章目录一、Tensorflow2.0 与 Tensorflow1.X中的helloWorld二、TF2.0中使用变量Variables个人认为,TF2.0和TF1.X最大的不同就是动态图的操作了,语法上更加简洁以下所有例子都是参考github大神制作,我只是搬运工https://github.com/YunYang1994/TensorFlow2.0-Examples一、Tensorfl...原创 2020-03-12 16:26:23 · 2174 阅读 · 0 评论 -
Ubuntu 16.04下安装TensorFlow Object Detection API
文章目录一、安装 TensorFlow Object Detection API二、安装过程中注意事项一、安装 TensorFlow Object Detection API1、从github上下载 https://github.com/tensorflow/models/archive/master.zip2、进入到 ~/models/research/文件夹,执行cd ~/models...原创 2019-12-12 15:28:51 · 738 阅读 · 0 评论 -
TensorFlow小技巧1:模型微调时如何将global_step置0
文章目录TensorFlow模型微调时将global_step置0TensorFlow模型微调时将global_step置0模型微调需要载入参数,tf默认载入所有参数,其中就包括了global_step这个参数,有时候这个参数和学习率的更新有关,那么该怎么将这个参数初始化呢?看代码只需要加一个initializer就行对应其他参数也可以类似global_step = tf.train.c...原创 2019-08-16 12:55:38 · 1400 阅读 · 0 评论 -
Tensorflow之tf.nn.ctc_beam_search_decoder函数
Tensorflow的一些常用函数说明一、tf.nn.ctc_beam_search_decoder友情链接一、tf.nn.ctc_beam_search_decodertf.nn.ctc_beam_search_decoder( inputs, sequence_length, beam_width=100, top_paths=1, merge_re...原创 2019-07-30 14:25:49 · 5105 阅读 · 1 评论 -
记录一个错误
tensorflow报错上传到服务器,始终报这个错误!!!感叹号不足表达我的心情,各种改代码等等等,结果发现是路径的错误tensorflow.python.framework.errors_impl.OutOfRangeError: PaddingFIFOQueue ‘_1_batch/padding_fifo_queue’ is closed and has insufficient ele...原创 2019-07-29 14:02:10 · 186 阅读 · 0 评论 -
keras中的模型函数参数详解
转自http://www.ituring.com.cn/book/tupubarticle/16624转载 2018-11-05 09:15:24 · 2388 阅读 · 0 评论 -
keras中内置的多种损失函数
详细讲解keras中的损失函数 mean_squared_error mean_absolute_error mean_absolute_percentage_error mean_squared_logarithmic_error squared_hinge hinge ...转载 2018-10-26 13:10:14 · 3221 阅读 · 0 评论 -
tensorflow gpu使用说明
转自 http://blog.csdn.net/qq_30159351/article/details/52892577由于tensorflow默认抢占服务器所有GPU显存,只允许一个小内存的程序也会占用所有GPU资源。下面提出使用GPU运行tensorflow的几点建议:1.在运行之前先查看GPU的使用情况:$ nvidia-smi # 查看GPU此时的使用情况 或者转载 2017-05-08 09:24:40 · 2930 阅读 · 0 评论 -
tensorflow笔记 :常用函数说明
转自http://blog.csdn.net/mydear_11000/article/details/53197891tensorflow笔记系列: (一) tensorflow笔记:流程,概念和简单代码注释 (二) tensorflow笔记:多层CNN代码分析 (三) tensorflow笔记:多层LSTM代码分析 (四) tensorflow笔记:常用转载 2017-05-31 20:22:42 · 430 阅读 · 0 评论 -
linux下tensorflow遇到新的问题
今天和往常一样打开pythonimport tensorflow时遇到莫名奇妙的问题 class TreeBuilderForHtml5lib(html5lib.treebuilders._base.TreeBuilder):AttributeError: 'module' object has no attribute '_base'然后再import tensorflow原创 2017-06-09 13:34:32 · 951 阅读 · 0 评论 -
tensorflow mnist实战笔记(一)了解官方mnist数据格式
我们都知道tensorflow自带的mnist库,那么这个库里面的文件是以什么形式保存的呢?我们该怎么把mnist里面数据转化成图像呢?首先看mnist数据格式from tensorflow.examples.tutorials.mnist import input_datamnist = input_data.read_data_sets("MNIST_data/", one_hot=Tr原创 2017-06-23 10:04:56 · 5303 阅读 · 2 评论 -
tensorflow mnist实战笔记(二)制作和读取自己的数据集
看了网上N多的教程,发现mnist的教程的数据都是官网已经制作好的,那么如果我们自己有数字图片,我们该怎么制作数据呢?现在我有6万张训练集,1万张测试集,下载地址在这mnist图片数据下载:http://pan.baidu.com/s/1pLMV4Kz首先我们需要有图片数据的txt表,以及对应的标签,如下所示,制作txt表在caffe中已经提到,传送门mnist/train/5原创 2017-07-12 16:55:17 · 8304 阅读 · 3 评论 -
tensorflow 实战 猫狗大战(一)训练自己的数据
先记录下代码,再慢慢分析input_data.py#coding=utf-8import tensorflow as tfimport numpy as npimport os# file_dir = '/home/hjxu/PycharmProjects/tf_examples/dog_cat/data/train/'# 获取文件路径和标签def get_files(原创 2017-07-18 15:05:44 · 20327 阅读 · 46 评论 -
tensorflow实战 猫狗大战(二)tenorboard可视化使用
前面一篇博客里提到生成的log文件,现在我们用tensorboard来进行可视化代码很简单终端输入tensorboard --logdir=/home/hjxu/PycharmProjects/tf_examples/dog_cat/log/train然后用浏览器打开http://0.0.0.0:6006/就可以啦,注意不要关闭终端其中,我还碰到一个问题ERROR:ten原创 2017-07-18 19:19:34 · 4313 阅读 · 0 评论 -
tensorflow实战 猫狗大战(三)制作tfrecords数据集并显示与训练
跑完视频中的代码,发现视频中在猫狗大战中并没有制作tf官方数据文件,tfrecords数据作者在后面有视频讲解tfrecords数据集介绍,废话不多说,直接上代码首先建立一个create_records.py文件,内容如下#!/usr/bin/env python2# -*- coding: utf-8 -*-"""Created on Tue Jul 25 00:12:41原创 2017-07-26 21:45:33 · 18461 阅读 · 21 评论 -
tensorflow mnist手写数字(三)从零开始
看完官方的教程,发现官方的数据都已经做好了,现在我们有自己的手写数字图片,也就是从0开始,只有手写数字图片,该怎么识别呢?感谢这位博主 http://www.cnblogs.com/denny402/p/5684431.htmlmnist图片数据下载:http://pan.baidu.com/s/1pLMV4Kz首先建立模型文件,我们命名为mnist_infere原创 2017-10-24 09:44:49 · 1215 阅读 · 2 评论 -
ubuntu14.04+cuda+cudnn+tensorflow-gpu+caffe等深度工具安装小结
最近一直装系统,装系统,还是多卡GPU的,并且显示器接受不到显卡的输出,也就是高清线没办法从显卡上接到显示器上,为啥呢?我也不知道,总之就是没信号,无奈只能从集显上接 普通线到显示器上,以前装过1080ti显卡驱动,也做过笔记http://blog.csdn.net/hjxu2016/article/details/69072779,当时在线安装出现循环登陆问题,只好选择下载run文件安装,这样安原创 2017-11-30 09:59:47 · 1772 阅读 · 2 评论 -
tensorflow(学习一)中的tf.app.flags函数定义命令行参数
tf定义了tf.app.flags,用于支持接受命令行传递参数,相当于接受argv。import tensorflow as tf#第一个是参数名称,第二个参数是默认值,第三个是参数描述tf.app.flags.DEFINE_string('str_name', 'def_v_1',"descrip1")tf.app.flags.DEFINE_integer('int_name', 1转载 2017-11-27 21:06:42 · 6077 阅读 · 0 评论 -
tf.cast()转换数据类型
tf.cast(x, dtype, name=None)此函数是类型转换函数参数x:输入dtype:转换目标类型name:名称返回:Tensortf.cast()一般用来转换数据类型,下面一个例子将数据类型转换成bool类型import tensorflow as tfa = tf.Variable([1,0,0,1,0])b = tf.cast(a,d原创 2018-01-23 15:22:44 · 5356 阅读 · 0 评论 -
TensorFlow四种Cross Entropy算法实现和应用
转自http://geek.csdn.net/news/detail/126833交叉熵介绍交叉熵(Cross Entropy)是Loss函数的一种(也称为损失函数或代价函数),用于描述模型预测值与真实值的差距大小,常见的Loss函数就是均方平方差(Mean Squared Error),定义如下。平方差很好理解,预测值与真实值直接相减,为了避免得到负数取绝对值或者平方,再做转载 2018-01-23 15:48:16 · 636 阅读 · 0 评论 -
keras实现多种分类网络的实现
Keras应该是最简单的一种深度学习框架了,入门非常的简单.简单记录一下keras实现多种分类网络:如AlexNet、Vgg、ResNet采用kaggle猫狗大战的数据作为数据集.由于AlexNet采用的是LRN标准化,Keras没有内置函数实现,这里用batchNormalization代替收件建立一个model.py的文件,里面存放着alexnet,vgg两种模型,直接导入就可...原创 2018-10-29 14:10:09 · 3741 阅读 · 0 评论 -
ubuntu14.04安装tensorflow遇到的坑
此处参考http://blog.csdn.net/langb2014/article/details/51579491Tensorflow1、先下载v0.8版的GPU支持[cpp] view plain copy sudo apt-get install python-pip python-dev 2、如果中途安装不了可以先下载那个网原创 2017-04-20 09:28:07 · 17104 阅读 · 2 评论