![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Tensorflow
肖飒风
潜龙在渊
展开
-
tensorflow: name_scope 和 variable_scope区别及理解
1、name_scope命名域 (1)通过tf.name_scope()来实现,使用tf.Variable()创建变量时会自动加上词头;只要使用该函数,一律创建新的variable,如果出现重名,变量名后面会自动加上后缀1,2….; (2)tf.get_variable():如果变量存在,则使用以前创建的变量,如果不存在,则新创建一个变量。使用tf.get_variable()创建的变量没有词头; import tensorflow as tf with tf.name_scope('cltdevelop转载 2020-06-22 18:21:46 · 197 阅读 · 0 评论 -
DeepLabv3+训练代码详解
代码地址 训练代码train.py from __future__ import absolute_import from __future__ import division from __future__ import print_function import six import tensorflow as tf #import tensorflow.compat.v1 as tf from tensorflow.contrib import quantize as contrib_quantize原创 2020-06-04 19:04:50 · 3367 阅读 · 12 评论 -
TensorFlow下使用DeploymentConfig部署多个机器和GPU训练
多个机器和GPU上部署Slim模型 1.设置DeploymentConfig DeploymentConfig参数: * num_clones:每个机器中要部署的模型网络的数量。 * clone_on_cpu:如果将模型放置在CPU上,则为true。 * copy_id:整数。 为其部署模型的机器的索引。 主要机器通常为0。 * num_replicas:要使用的机器数。 * num_ps_tasks:“ ps”作业的任务数。 0不使用副本。 * worker_job_n原创 2020-06-01 16:46:34 · 559 阅读 · 2 评论