![](https://img-blog.csdnimg.cn/20201014180756918.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Tensorflow
砍柴人Ryan
这个作者很懒,什么都没留下…
展开
-
Tensorflow中安装合适版本的CUDA和cuDNN
1、打开anaconda prompt 执行命令行 pip install tensorflow-gpu2、查看CUDA版本和cuDNN版本。一、显卡型号桌面右键→NVIDIA控制面板→帮助→系统信息二、CUDA Toolkit查找显卡对应的CUDA版本2、安装(建议安装低一版本)https://developer.nvidia.com/cuda-11.0-download-archive?target_os=Windows&targ...原创 2020-11-19 22:58:23 · 404 阅读 · 0 评论 -
Tensorflow报错 Could not load dynamic library ‘cudart64_101.dll‘; dlerror: cudart64_101.dll not found
报错找到cudart64_101.dll文件,将其复制到C:\Windows\System32即可解决原创 2020-11-19 21:18:38 · 910 阅读 · 1 评论 -
tensorflow构建流程
import tensorflow as tffrom tensorflow import feature_columnfrom tensorflow.python.feature_column import feature_column_v2 as fc # 引入DenseFeature()columns = [ 'id', 'click', 'hour', 'C1', 'banner_pos', 'site_id', 'site_dom.原创 2020-08-26 17:05:11 · 175 阅读 · 0 评论 -
tensorflow1.15.0的安装
1、创建虚拟环境tensorflow:conda create --name tensorflow python=3.62、检测是否安装成功:conda info --envs3、激活tensflow的环境:activate tensorflow4、安装tensorflowconda install tensorflow==1.155、顺便安装sklearnconda install scikit-learn6、取消激活环境以及删除环境conda de原创 2020-08-15 14:25:37 · 16789 阅读 · 1 评论 -
TFRecord输入数据格式
TFRecord提供了一种统一的格式来存储数据。普通的数据处理方法使用了一个从类别名到所有数据列表的词典来维护图像和类别的关系。这种方式的课扩展性很差,当数据来源更加复杂、每一个样例中的信息更加丰富之后,这种方式就很难有效的记录数据中的信息了。于是TensorFlow提供了TFRecord的格式来统一存储数据。TFRecord格式介绍 TFRecord文件中的数据都是通过tf.train.Example Protocol Buffer的格式存储的。以下代码给出了tf.train.Example..原创 2020-07-10 11:12:31 · 274 阅读 · 0 评论 -
持久化原理及数据格式
当调用saver.save函数时,TensorFlow程序会自动生成4个文件。TensorFlow模型 的持久化就是通过这4个文件完成。本文将介绍这4个文件保存的内容以及数据格式。 TensorFlow是一个通过图的形式来表述计算的编程系统,TensorFlow程序中的所有计算都会被表达为计算图上的节点。TensorFlow通过元图(MetaGraph)来记录计算图中节点信息以及运行计算图中所需要的元数据。TensorFlow中的元图是由MetaGraphDefault Protocol ...原创 2020-07-09 16:24:44 · 303 阅读 · 0 评论 -
TensorFlow模型持久化
1、持久化代码实现 TensorFlow提供了一个非常简单的API来保存和还原一个神经网络模型。这个API是tf.train.Saver类。以下代码给出保存Tensorflow计算图的方法import tensorflow as tf#声明两个变量并计算他们的和v1 = tf.Variable(tf.constant(1.0,shape=[1],name="other-v1"))v2 = tf.Variable(tf.constant(2.0,shape=[1],name="othe..原创 2020-06-30 03:13:17 · 146 阅读 · 1 评论 -
Tensorflow中的变量管理
TensorFlow中通过变量名称获取变量的机制主要是通过tf.get_variable和tf.variable_scope函数来实现tf.Variable函数是用来创建一个变量的,而tf.get_variable函数可以创建或者获取变量。当tf.get_variable函数用于创建变量时,他和tf.Variable的功能是等价的。#下面两个定义是等价的v = tf.get_variable("v", shape=[1], initializer=tf.constant_initializer(原创 2020-06-28 13:38:50 · 130 阅读 · 0 评论 -
MNIST数字识别
1、数据下载from tensorflow.examples.tutorials.mnist import input_data#载入MNIST数据集,主动下载数据mnist = input_data.read_data_sets("./MNIST_data", one_hot=True)#打印Training data size :55000print("Training data size: ", mnist.train.num_examples)#打印Validating dat原创 2020-06-28 02:35:26 · 710 阅读 · 0 评论 -
归纳几个常见的函数
1、tf.clip_by_value函数可以将一个张量中的数值控制在一个范围之中v = tf.constant([[1.0, 2.0, 3.0],[4.0, 5.0, 6.0]])print(tf.clip_by_value(v, 2.5, 4.5).eval())#输出[[2.5, 2.5, 3.],[4.,4.5,4.5]]上例中,小于2.5的都被换成2.5,大于4.5的都被换成4.5.2、*和tf.matmul函数的区别。import tensorflow as tfv1原创 2020-06-27 03:10:28 · 265 阅读 · 0 评论 -
TensorFlow中的变量以及一些常见的函数
在TensorFlow中变量(tf.Variable)的作用就是保存和更新神经网络中的参数,需要指定初始值。例如weights = tf.Varriable(tf.random_normal([2, 3], stddev=2)) 该段代码会长生一个2X3的矩阵,矩阵中的元素是均值为0,标准差为2的随机数。除了正态分布随机数,还提供了其他的随机数生成器。TensorFlow随机数生成函数 函数名称 随机数分布 主要参数 tf.random_normal ...原创 2020-06-21 02:55:42 · 212 阅读 · 0 评论 -
Tensorflow基础概念
1.1 Tensorflow计算模型--计算图 计算图是Tensorflow的基础概念,Tensorflow中所有的计算都会被转化为计算图上的节点。Tensorflow中两个重要的概念就是Tensor 和 Flow。Tensor就是张量,可以被简单理解为多位数组。Flow更多的体现了他的计算模型。Tensorflow是一个通过计算图的形式来表述计算的编程系统。TensorFlow中的每一个计算都是计算图上的一个节点,而节点之间的边描述了计算之间的依赖关系。一般可以用TensorBoard画出计算图..原创 2020-06-21 02:40:01 · 125 阅读 · 0 评论