![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Tensorflow
lanyuxuan100
这个作者很懒,什么都没留下…
展开
-
Tensorflow初次使用遇到scipy版本问题
今天在训练第一个Tensorflow程序时,提示如下错误:到提示出错的代码处一看,作者居然已经给出了错误解决办法:于是,安装作者提示进行如下升级:pip install --upgrade scipy果然问题解决了!原创 2017-04-07 19:30:11 · 3696 阅读 · 1 评论 -
Tensorflow报错:AttributeError: 'module' object has no attribute 'summary'
这是因为API的版本不对,导致AttributeError: ‘module’ object has no attribute ‘summary’. 想想并没有修改什么,只是服务器被重装了驱动,会不会是这个原因呢? 对了,同事说在服务器上装了tensorflow 0.8!!! 我原来使用的是1.0版本,真是天煞的,装也不打个招呼,真是气人啊。 于是自己重装了tensorflow,使用如下方法原创 2017-05-12 18:04:37 · 13593 阅读 · 1 评论 -
使用虚拟沙箱安装Tensorflow
—————多用户环境中,使用虚拟沙箱隔离安装—————- 1,安装虚拟沙箱包 sudo apt-get install python-pip python-dev python-virtualenv 2,创建虚拟沙箱 virtualenv –system-site-packages targetDirectory3,激活虚拟沙箱 source ~/tensorflow/bin/activa原创 2017-04-06 20:30:17 · 2107 阅读 · 0 评论 -
Tensorflow报错ImportError: libcublas.so.8.0: cannot open shared object file: No such file or directory
在cuda 7.0的电脑上安装tensorflow 1.0出现如下错误: 应该是需要cuda 8.0原创 2017-04-22 10:04:32 · 13267 阅读 · 1 评论 -
使用TF-Slim:在TensorFlow中定义复杂模型的高层库
谷歌发布了一个新的TensorFlow图像识别库 ——Slim。TF-Slim是TensorFlow的一款轻量级的生成、训练和评估模型的工具库,很容易上手使用。自发布以来,TF-Slim 已经得到长足发展,无论是网络层、代价函数,还是评估标准,都增加了很多类型,训练和评估模型也有了很多便利的常规操作手段。 这些手段使你在并行读取数据或者在多台机器上部署模型等大规模运行时,不必为细节操心。 此外,原创 2017-04-22 11:00:42 · 1278 阅读 · 0 评论 -
cuda由7.0升级到8.0
有个单卡的服务器,想在上面装tensorflow 1.0,但是报错提示需要cuda 8.0,而本机的cuda是7.0. 于是就想进行升级: 升级之前的准备工作1 uname -m && cat /etc/*release # get ubuntu version2 uname -r # g原创 2017-04-22 10:57:21 · 7687 阅读 · 1 评论 -
cudnn报错Loaded runtime CuDNN library: 5005 (compatibility version 5000) but source was compiled with
今天在重新安装cuda8.0的服务器上进行训练,发现报错如下: 于是去查看了,将cudnn重新连接到高版本,就OK了!原创 2017-05-12 18:41:27 · 1315 阅读 · 0 评论 -
ValueError: need more than 1 value to unpack
在执行如下图中所示代码时出现标题中的错误: 于是查看了文件,看看是不是文件内容出错了: 这样替换了内容,猜测是不是因为00000这个开头呢,于是换成下面就过了:原创 2017-04-23 16:36:33 · 4345 阅读 · 0 评论 -
Tensorflow训练CNN网络识别mnist
-- coding: utf-8 --“”” Created on Sun April 09 13:17:30 2017@author: Zizhang Wu “”“#数据加载import input_data mnist = input_data.read_data_sets(“MNIST_data/”, one_hot=True)import tensorflow as tf sess原创 2017-04-09 17:32:11 · 672 阅读 · 2 评论 -
使用Tensorflow测试自己的分割网络模型
测试数据准备首先,将没有训练过的数据放在一定路径下,以便后面测试使用: 修改测试脚本如下图所示,需要修改测试脚本中的两个指定模型文件的位置: 执行测试命令python demo.py –gpus 0 –input data/test/000519.bmp后续准备将这个测试脚本修改一下,使其能批量测试图片。 测试结果如下所示: 测试效果分析原图:分割图:原图:分割图:原图:分割图:原图:分割图原创 2017-04-11 10:46:12 · 2420 阅读 · 1 评论 -
经典网络的 TensorFlow 实现资源汇总
文章来源: http://blog.csdn.net/yhl_leo/article/details/574122341. TensorFlow-SlimTF-Slim 是 tensorflow 较新版本的扩充包,可以简化繁杂的网络定义,其中也提供了一些demo:AlexNetInceptionV1/V2/V3OverFeatResNetVGG例如 VGG-16 网络,寥寥数行就可以定义完转载 2017-04-24 13:59:30 · 1648 阅读 · 0 评论 -
caffe与tensorflow的模型互转
从caffe的model转换到tensorflow的模型,需要使用如下工具: caffe-tensorflow而从tensorflow的模型转换到caffe的模型,目前有什么工具呢? 希望热心网友看到后能回复一下,谢谢!原创 2017-04-24 14:14:14 · 7515 阅读 · 0 评论 -
tensorflow版SSD使用经验
今天在服务器上搭建了tensorflow版本的ssd训练环境,其git服务器地址: https://github.com/balancap/SSD-Tensorflow环境需要注意的是,使用的是python3。 原来服务器上是python2,并且tensorflow也是相应版本的,于是需要新装python3版本的。数据这里先使用VOC2007的数据进行测试与训练。 使用评估CHECKPOINT原创 2017-05-15 17:12:33 · 14468 阅读 · 9 评论 -
tensorflow.python.framework.errors.InvalidArgumentError: Input to reshape is a tensor with xxx value
今天被这个错误折磨得死去活来的,怎么修改都没有找到问题的症结所在: 在stack overflow上查看一下原因,发现是:The mistake was very simple. I found that I should set 'VALID', not 'SAME' in conv2 so that I can make 12, 12, 32 shape before flatting o原创 2017-04-24 20:00:33 · 15160 阅读 · 10 评论 -
【转】ROI Align 在 R-FCN 中的推广:Position Sensitive ROI Align
转自:http://blog.leanote.com/post/afanti.deng@gmail.com/Position-Sensitive1. Position Sensitive ROI-Pooling 简介 Position Sensitive ROI Pooling(位置敏感的候选区域池化)是检测框架R-FCN的主要创新点。一般来讲,网络越深,其具有的平移旋转不变性越转载 2017-12-27 10:15:42 · 2043 阅读 · 0 评论 -
Faster-rcnn数据准备过程
mask-rcnn数据出来流程:main(): -----------------load_coco():----加载标签数据标号、图像标号、类别标号及相互映射关系 -----------------prepare():---- 准备数据类别 -----------------train():----原创 2017-12-18 15:49:59 · 458 阅读 · 0 评论 -
如何查看tensorflow的版本与安装地址
如题,今天调试程序出错,听说服务器昨天被重装了tensorflow,结果按如下方法查看了版本与安装地址:原创 2017-05-12 17:58:41 · 15184 阅读 · 0 评论 -
Tensorflow中遇到OOM when allocating tensor
在使用tensorflow训练程序的时候,遇到了如下错误: 这表明内存溢出,在查看发现有另外一个训练程序与之争抢资源,停掉,在重新给训练任务分配GPU,避免争抢,问题解决。原创 2017-04-21 13:10:10 · 23897 阅读 · 3 评论 -
Tensorflow指定使用哪个GPU
在多卡机器上训练的时候,经常会需要指定tensorflow程序跑在固定的GPU上,于是就有了如下手段:export CUDA_VISIBLE_DEVICES=2,3指定我们的程序只能看到GPU中序号为2与3的设备,于是启动后就可以看到: 我们的训练程序进程号是27088,可以看到它只跑在了2与3显卡上。原创 2017-04-21 13:02:08 · 6588 阅读 · 0 评论 -
Tensorflow训练Kitti道路分割数据
大家学习一个深度学习架构,往往需要遵循如下步骤规律:(1)数据如何读取,如如何从图片和标签数据中读出成tensorflow可以使用的数据; (2)其次是如何搭建网络; (3)然后就是如何训练模型,保存模型,使用模型; (4)最后就是可视化了。 学习的资料可以参考github上的例程: http://blog.csdn.net/zhangxx0811/article/details/4320原创 2017-04-07 20:33:56 · 5560 阅读 · 7 评论 -
Tensorflow训练第一个线性回归分类器
具体的python代码如下-- coding: utf-8 --“”” Created on Sun April 09 13:17:30 2017@author: Zizhang Wu “”“#数据加载import input_data mnist = input_data.read_data_sets(“MNIST_data/”, one_hot=True)设置占位符,用None 来表示此张原创 2017-04-09 13:32:35 · 1062 阅读 · 0 评论 -
Tensorflow中的fetch与feed
在Tensorflow的使用中,取回训练结果使用两种方法:(1)fetch可以传入一些tensor来传回运行结果,比如下面代码中的mul指定传入方法,intermed作为传回结果的张量input1 = tf.constant(3.0)input2 = tf.constant(2.0)input3 = tf.constant(5.0)intermed = tf.add(inpu原创 2017-04-09 16:13:20 · 5494 阅读 · 0 评论 -
Tensorflow使用交互式会话训练线性分类器
-- coding: utf-8 --“”” Created on Sun April 09 13:17:30 2017@author: Zizhang Wu “”“#数据加载import input_data mnist = input_data.read_data_sets(“MNIST_data/”, one_hot=True)设置占位符,运行TensorFlow的Interactive原创 2017-04-09 16:40:48 · 1449 阅读 · 0 评论 -
Tensorflow学习资料
今天看到Tensorflow中文社区,发现里面内容很不错: http://www.tensorfly.cn/home/ 可以系统的学习一下,还有发帖问答等,以后有问题可以在里面提问呢,哈哈: http://www.tensorfly.cn/bbs/forum.php?mod=forumdisplay&fid=36原创 2017-04-09 10:40:54 · 683 阅读 · 0 评论 -
Tensorflow使用pip安装后没有model目录
在使用pip安装Tensorflow后,在其目录中没有找到model目录,重复安装了两遍依然没有,原因未知。 于是,使用源码安装的方法: (1)收下,使用git clone源码工程: git clone –recurse-submodules https://github.com/tensorflow/tensorflow 注意这里的参数不可省略,用于获取 TesorFlow 依赖的 pro原创 2017-04-08 14:01:47 · 7208 阅读 · 2 评论 -
Tensorflow可视化----Tensorboard的使用
Tensorboard工具介绍为了更方便 TensorFlow 程序的理解、调试与优化,Tensorflow项目组发布了一套叫做 TensorBoard 的可视化工具。你可以用 TensorBoard 来展现你的 TensorFlow 图像,绘制图像生成的定量指标图以及附加数据,如下图所示:Tensorboard工具使用(1)在命令行中使用如下命令: tensorboard –logdir=log原创 2017-04-10 17:34:06 · 1671 阅读 · 0 评论 -
Tensorflow可视化---使用Tensorboard查看网络结构
查看网络结构在打开Tensorboard后,在GRAPH选项下,如图所示:可以看到该网络的网络结构。查看具体节点信息这个网络结构图可以点具体节点上的“+”来显示其详细信息:缩小就可以点击上面的“-”即可。原创 2017-04-10 18:24:49 · 10850 阅读 · 0 评论 -
MultiNET环境搭建中Cython问题处理
在编译MultiNet时,出现如下问题:经调查是Cython版本问题,于是使用pip来升级Cython:sudo pip install runcython --upgrade结果如图所示:经验证,问题解决。原创 2017-04-06 20:48:59 · 809 阅读 · 0 评论 -
tensorboard启动不起来,提示端口被占用
早上来想可视化一下训练过程,结果一运行tensorboard,提示如下: 先ps了一下firefox,然后将使用这个浏览器的进程都关闭了,但还是不行。 于是,查看一下谁在占用这个端口: 将其kill掉,再次调用tensorboard就可以了。原创 2017-05-02 10:12:54 · 6138 阅读 · 0 评论 -
mask-rcnn的可视化网络结构
在tensorflow中训练mask-rcnn的程序,在COCO数据集上. https://github.com/CharlesShang/FastMaskRCNN.git使用tensorboard查看其网络结构如下:原创 2017-05-02 14:25:20 · 5649 阅读 · 2 评论 -
Mask-RCNN的主要贡献
mask-rcnn一举超越经过各种数据增强加持的2016年COCO的分割挑战赛冠军FCIS,分割结果与检测结果并行输出,结果令人印象深刻!原创 2017-05-03 14:06:46 · 2893 阅读 · 0 评论 -
快速生成训练样本与标签样本之间的索引文件
我们经常在训练的时候会用到将训练文件与标签文件对应起来的索引文件,如下格式: 这个索引有两部分组成:训练文件+空格+标签文件 本文使用先分别生成训练文件索引、标签文件索引,再将两部分合成的方法,灵活且高效地生成训练样本与标签样本之间的索引文件。(1)训练与标签索引生成可以使用matlab文件生成 %批量生成文件名主函数clc,clear,close all;SrcPath = 'C:原创 2017-04-21 11:05:25 · 1512 阅读 · 0 评论 -
Mask-RCNN中的ROIAlign, ROIPooling及ROIWarp对比
RoI Pooling实现从原图ROI区域映射到卷积区域最后pooling到固定大小的功能,然后通过池化把该区域的尺寸归一化成卷积网络输入的尺寸。ROIAlign上面RoI Pooling从原图ROI映射到卷积区域,即原图ROI与特征图ROI之间的映射,使用了stride间隔的取整,使得特征图ROI再映射回原图ROI的时候有stride的误差。尤其经过最大值池化后的特征与原ROI之间的空间不对齐就更原创 2017-05-03 16:05:34 · 20344 阅读 · 1 评论 -
使用Tensorflow训练自己的分割数据
数据准备首先,需要将准备好的原始数据与其标签文件放在固定目录下,然后建立标签索引文件train.txt与val.txt,具体格式如图所示,左侧是原图,右侧是标签图:然后建立test.txt文件,具体如图所示: 设计网络结构比如使用FCN的机制来进行分割,以下面的网络结构为例:修改配置文件比如本次训练使用高速的数据,将训练配置文件hypes/KittiSeg_highspeed.json中的data原创 2017-04-11 10:26:01 · 6502 阅读 · 5 评论 -
【转】CycleGAN:图片风格,想换就换 | ICCV 2017论文解读
转自:http://www.sohu.com/a/225520144_500659源项目主页:https://junyanz.github.io/CycleGAN/本期推荐的论文笔记来自 PaperWeekly 社区用户@LUOHAO。本文提出的模型名为 CycleGAN,作者希望在不借助 paired example 情况下,来实现图片的风格转换。关于作者:罗浩,浙江大学博士研究生,...转载 2018-08-09 08:35:25 · 1100 阅读 · 0 评论