学习tensorflow遇到的问题

1.tensorflow.python.framework.errors_impl.permissiondeniederror /path permission denied 问题的解决方式

在Linux环境中运行python程序时可能会出现上述问题，解决问题的办法就是将你的路径改为绝对路径，例如：

‘/path/to/MNIST_data/’

改为：

"/home/yangjy/path/to/MNIST_data/"

问题就可以解决了

 

2.tensorflow中屏蔽输出的log信息方法

tensorflow中可以通过配置环境变量 'TF_CPP_MIN_LOG_LEVEL' 的值，控制tensorflow是否屏蔽通知信息、警告、报错等输出信息。

使用方法： import os import tensorflow as tf os.environ['TF_CPP_MIN_LOG_LEVEL'] = '3' # or any {'0', '1', '2'} TF_CPP_MIN_LOG_LEVEL

取值 0 ： 0也是默认值，输出所有信息 TF_CPP_MIN_LOG_LEVEL

取值 1 ： 屏蔽通知信息 TF_CPP_MIN_LOG_LEVEL

取值 2 ： 屏蔽通知信息和警告信息 TF_CPP_MIN_LOG_LEVEL

取值 3 ： 屏蔽通知信息、警告信息和报错信息 ---------------------

文来自 -牧野- 的CSDN 博客 ，全文地址请点击：https://blog.csdn.net/dcrmg/article/details/80029741?utm_source=copy

 

3.tf.nn.conv2d函数和tf.nn.max_pool函数介绍

tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, name=None)

介绍参数：

input：指卷积需要输入的参数，具有这样的shape[batch, in_height, in_width, in_channels]，分别是[batch张图片, 每张图片高度为in_height, 每张图片宽度为in_width, 图像通道为in_channels]。

filter：指用来做卷积的滤波器，当然滤波器也需要有相应参数，滤波器的shape为[filter_height, filter_width, in_channels, out_channels]，分别对应[滤波器高度, 滤波器宽度, 接受图像的通道数, 卷积后通道数]，其中第三个参数 in_channels需要与input中的第四个参数 in_channels一致，out_channels第一看的话有些不好理解，如rgb输入三通道图，我们的滤波器的out_channels设为1的话，就是三通道对应值相加，最后输出一个卷积核。

strides:代表步长，其值可以直接默认一个数，也可以是一个四维数如[1,2,1,1]，则其意思是水平方向卷积步长为第二个参数2，垂直方向步长为1.其中第一和第四个参数我还不是很明白，请大佬指点，貌似和通道有关系。

padding：代表填充方式，参数只有两种，SAME和VALID，SAME比VALID的填充方式多了一列，比如一个3*3图像用2*2的滤波器进行卷积，当步长设为2的时候，会缺少一列，则进行第二次卷积的时候，VALID发现余下的窗口不足2*2会直接把第三列去掉，SAME则会填充一列，填充值为0。

use_cudnn_on_gpu：bool类型，是否使用cudnn加速，默认为true。大概意思是是否使用gpu加速，还没搞太懂。

name：给返回的tensor命名。给输出feature map起名字。

tf.nn.max_pool(value, ksize, strides, padding, name=None)

value：池化的输入，一般池化层接在卷积层的后面，所以输出通常为feature map。feature map依旧是[batch, in_height, in_width, in_channels]这样的参数。

ksize：池化窗口的大小，参数为四维向量，通常取[1, height, width, 1]，因为我们不想在batch和channels上做池化，所以这两个维度设为了1。ps：估计面tf.nn.conv2d中stries的四个取值也有              相同的意思。

stries：步长，同样是一个四维向量。

padding：填充方式同样只有两种不重复了。

 

4.tensorflow.python.framework.errors_impl.InvalidArgumentError: Cannot assign a device for operation 'TensorArray_3': Could not satisfy explicit device specification '' because the node was colocated with a group of nodes that required incompatible device '/device:GPU:0'

 

config = tf.ConfigProto()

config.gpu_options.allocator_type = 'BFC'

config.gpu_options.allow_growth = True

# sess

sess = tf.Session(config=config)

 

5.成功解决Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX AVX2

在最顶行加入

import os

os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' 

 

6.解决Ubuntu系统找不到进程，但是GPU显存占满问题