tensorflow
Charles.zhang
朝闻道,夕死可矣。路漫漫其修远兮,吾将上下而求索。
展开
-
ypeError: Failed to convert object of type class ‘list‘ to Tensor. Contents: [Dimension(None), -1
问题:TypeError: Failed to convert object of type <class ‘list’> to Tensor. Contents: [Dimension(None), -1]. Consider casting elements to a supported type.解决方法:tf.reshape(max_pool, [batch_num, -1])改为tf.layers.flatten(max_pool)转载 2020-09-18 00:12:57 · 2134 阅读 · 0 评论 -
tensorflow中关于 多维tensor的运算(tf.multiply, tf.matmul, tf.tensordot)
multiply 等同与* ,用于计算矩阵之间的element-wise 乘法,要求矩阵的形状必须一致(或者是其中一个维度为1),否则会报错: import tensorflow as tf a = tf.constant([1, 2, 3, 4, 5, 6, 7, 8, 9, 10,11,12], shape=[2, 3, 2]) b = tf.constant([1, 2, 3, 4, 5, 6], shape=[2, 3, 1]) c = a*b .转载 2020-09-17 23:33:33 · 1865 阅读 · 0 评论 -
tf.multiply dot tf.matmul用法
import tensorflow as tfa = tf.constant([[1,2,3],[1,2,3]])b = tf.constant([[2,3,4]])b_1 = tf.constant([[2,3],[1,2],[3,4]])print("a",a)print("b",b)print("b_1",b_1)c = a*b # (2,3)*(1,3)->(2,3) 两个矩阵中对应元素各自相乘print("c",c)d = tf.multiply(a,b)# (2.转载 2020-09-17 22:50:52 · 672 阅读 · 0 评论 -
tf.tensordot运算
函数原型:tf.tensordot(a, b, axes)tensordot函数用来进行矩阵相乘,它的一个好处是:当a和b的维度不同时,也可以相乘。举例:1.import tensorflow as tfa = tf.ones(shape=[2,3,3])b = tf.ones(shape=[3,2,6])c = tf.tensordot(a,b, axes=1)with tf.Session() as sess: sess.run(tf.global_variables_in转载 2020-09-17 22:48:06 · 2004 阅读 · 0 评论 -
tf.layers.dense()的用法
dense :全连接层 相当于添加一个层函数如下:tf.layers.dense(inputs,units,activation=None,use_bias=True,kernel_initializer=None, ##卷积核的初始化器bias_initializer=tf.zeros_initializer(), ##偏置项的初始化器,默认初始化为0kernel_regularizer=None, ...转载 2020-09-03 16:01:37 · 1245 阅读 · 0 评论 -
tensorflow对应cuda的兼容版本问题
以下都以win10环境为主:一、显卡驱动版本CUDA官方手册截止2020.2.19Each release of the CUDA Toolkit requires a minimum version of the CUDA driver. The CUDA driver is backward compatible, meaning that applications compiled against a particular version of the CUDA will .转载 2020-08-26 21:50:26 · 6086 阅读 · 0 评论 -
tensorflow各个版本的CUDA以及Cudnn版本对应关系
概述,需要注意以下几个问题:(1)NVIDIA的显卡驱动程序和CUDA完全是两个不同的概念哦!CUDA是NVIDIA推出的用于自家GPU的并行计算框架,也就是说CUDA只能在NVIDIA的GPU上运行,而且只有当要解决的计算问题是可以大量并行计算的时候才能发挥CUDA的作用。CUDA的本质是一个工具包(ToolKit);但是二者虽然不一样的。显卡驱动的安装:当我们使用一台电脑的时候默认的已经安装了NVIDIA的显卡驱动,因为没有显卡驱动根本用不了显卡嘛,但是这个时候我们是没有CUDA可以用的转载 2020-08-26 21:49:49 · 2220 阅读 · 1 评论 -
【TensorFlow】优化方法optimizer总结(SGD,Adagrad,Adadelta,Adam,Adamax,Nadam)解析(十三)
本文仅对一些常见的优化方法进行直观介绍和简单的比较,主要是一阶的梯度法,包括SGD, Momentum, Nesterov Momentum, AdaGrad, RMSProp, Adam。 其中SGD,Momentum,Nesterov Momentum是手动指定学习速率的,而后面的AdaGrad, RMSProp, Adam,就能够自动调节学习速率。1、SGDSGD全名 stochastic gradient descent, 即随机梯度下降。不过这里的SGD其实跟MBGD(minibatch转载 2020-08-24 15:23:00 · 1135 阅读 · 0 评论 -
tensorboard模型评估图(mAP, mAP(large), mAP(medium), mAP(small), mAP(0.50IOU))
一、准确率:DetectionBoxes_Precision:mAP:平均精度超过IOU阈值的平均精度,范围从.5到.95,增量为.05mAP(large):大对象的平均精度(96 ^ 2像素<区域<10000 ^ 2像素)mAP (medium):中等大小对象的平均精度(32 ^ 2像素<区域<96 ^ 2像素)mAP (small):小对象的平均精度(区域<32 ^ 2像素)(此处为区域为面积)[email protected]:平均精度为50%IOUmAP@转载 2020-08-23 14:45:59 · 2475 阅读 · 2 评论 -
机器学习如何提高GPU利用率
前言首先,如果你现在已经很熟悉tf.data+estimator了,可以把文章x掉了╮( ̄▽ ̄””)╭但是!如果现在还是在进行session.run(…)的话!尤其是苦恼于GPU显存都塞满了利用率却上不去的童鞋,这篇文章或许可以给你打开新世界的大门噢( ̄∇ ̄)如果发现经过一系列改良后训练效率大大提高了,记得回来给小夕发小红包( ̄∇ ̄)不过,这并不是一篇怒贴一堆代码,言(三)简(言)意(两)赅(语)就结束的CSDN文风的文章。。。所以伸手党们也可以X掉了╮( ̄▽ ̄””)╭缘起很早很早之转载 2020-08-20 19:18:24 · 4217 阅读 · 0 评论 -
将Yolov3模型转化为tensorflow模型进行压缩,推理速度提高近6倍
发表时间:2020-04-181、使用tensorflow-yolo-v3中的convert_weights_pb.py转tensorflow模型转换命令:python convert_weights_pb.py --class_names /home/***/text.names --weights_file /home/***/yolov3.weights --data_format NHWC --output_graph /home/***/tensorflow-yolo-v3_con..转载 2020-08-20 08:39:31 · 938 阅读 · 0 评论 -
Tensorflow模型量化4 --pb转tflite(uint8量化)小结
Tensorflow模型量化4 --pb转tflite小结(uint8量化)实验环境:tensorflow-gpu1.15+cuda10.0模型的fp16量化和int8量化我之前有写,参考:龟龟:Tensorflow模型量化实践2--量化自己训练的模型zhuanlan.zhihu.com这次发现uint8量化时有参数设置,所以准备是从头再梳理一遍2.参与量化的模型:训练tensorflow-object-detection API 得到的ssdlite_mobilenet_v2模型.转载 2020-08-19 18:46:11 · 4505 阅读 · 4 评论 -
Tensorboard详解
1. Tensorboard简介对大部分人而言,深度神经网络就像一个黑盒子,其内部的组织、结构、以及其训练过程很难理清楚,这给深度神经网络原理的理解和工程化带来了很大的挑战。为了解决这个问题,tensorboard应运而生。Tensorboard是tensorflow内置的一个可视化工具,它通过将tensorflow程序输出的日志文件的信息可视化使得tensorflow程序的理解、调试和优化更加简单高效。Tensorboard的可视化依赖于tensorflow程序运行输出的日志文件,因而tensorbo转载 2020-08-19 14:54:07 · 19190 阅读 · 0 评论 -
AttributeError: module ‘tensorboard.util‘ has no attribute ‘PersistentOpEvaluator‘解决方案
在服务器中输入tensorboard --logdir path 提示如下错误AttributeError: module 'tensorboard.util' has no attribute 'PersistentOpEvaluator'然后Google了一下, 在https://github.com/tensorflow/tensorboard/issues/1724中找到了解决方案解决方案:pip show tensorboard找到location的位置, 然后去里..原创 2020-08-19 10:55:14 · 458 阅读 · 0 评论 -
tf.device()指定tensorflow运行的GPU或CPU设备
在tensorflow中,我们可以使用tf.device()指定模型运行的具体设备,可以指定运行在GPU还是CUP上,以及哪块GPU上。设置使用GPU使用tf.device('/gpu:1')指定Session在第二块GPU上运行:import tensorflow as tfwith tf.device('/gpu:1'):v1 = tf.constant([1.0, 2.0, 3.0], shape=[3], name='v1')v2 = tf.consta...转载 2020-08-13 18:57:29 · 1663 阅读 · 1 评论 -
TensorFlow基础
tensorflow简介TensorFlow 是一个面向于深度学习算法的科学计算库,内部数据保存在张量(Tensor)对象上,所有的运算操作(Operation, OP)也都是基于张量对象进行。核心概念TensorFlow 中的计 算可以表示为一个有向图( directed graph ) ,或称计(computation graph) 每一个运算操作 operation )将作为一个节点( node ),节点与节点之间的连接称为边 (edge) 。这个计算图描述了数据的计算流程,它转载 2020-07-27 19:07:48 · 2189 阅读 · 0 评论 -
Error parsing message
版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。本文链接:https://blog.csdn.net/nanchifeng3190/article/details/87642780@使用jupyter notebook运行object_detection_tutorial.ipynb,运用的自己训练的pb出现错误。detection_...转载 2019-12-02 10:51:36 · 3159 阅读 · 2 评论 -
TensorFLow 数学运算
一、Tensor 之间的运算规则相同大小 Tensor 之间的任何算术运算都会将运算应用到元素级 不同大小 Tensor(要求dimension 0 必须相同) 之间的运算叫做广播(broadcasting) Tensor 与 Scalar(0维 tensor) 间的算术运算会将那个标量值传播到各个元素 Note: TensorFLow 在进行数学运算时,一定要求各个 Tensor 数据...转载 2018-10-31 13:44:48 · 324 阅读 · 0 评论 -
Tensorflow实现Triplet Loss
声明:翻译自Triplet Loss and Online Triplet Mining in TensorFlowTriplet Loss在人脸识别中,Triplet loss被用来进行人脸嵌入的训练。如果你对triplet loss很陌生,可以看一下吴恩达关于这一块的课程。Triplet loss实现起来并不容易,特别是想要将它加到tensorflow的计算图中。通过本文,你讲学...转载 2018-10-31 14:09:04 · 3308 阅读 · 0 评论 -
tf.squeeze() Function函数作用
tf.squeeze() Function函数作用tf.squeeze(input, squeeze_dims=None, name=None)Removes dimensions of size 1 from the shape of a tensor.从tensor中删除所有大小是1的维度Given a tensor input, this operation returns a...转载 2018-10-30 15:35:40 · 1302 阅读 · 0 评论 -
『TensorFlow』网络操作API_上
卷积层卷积操作是使用一个二维的卷积核在一个批处理的图片上进行不断扫描。具体操作是将一个卷积核在每张图片上按照一个合适的尺寸在每个通道上面进行扫描。为了达到好的卷积效率,需要在不同的通道和不同的卷积核之间进行权衡。三个卷积函数:conv2d: 任意的卷积核,能同时在不同的通道上面进行卷积操作。 depthwise_conv2d: 卷积核能相互独立的在自己的通道上面进行卷积操作。 se...转载 2018-11-01 16:51:08 · 361 阅读 · 0 评论 -
从源码求证tensorflow中os.environ["TF_CPP_MIN_LOG_LEVEL"]的值的含义
看代码时遇到了os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'这样一句话,于是开始百度,是设置log输出信息的,也就是程序运行时系统打印的信息。 但是发现有两种答案:一种是这样说的还有一种是这样说的… …一脸懵逼转载 2019-02-15 15:48:30 · 1017 阅读 · 0 评论 -
Hint: If you want to see a list of allocated tensors when OOM happens,
问题描述:使用keras搭建siamese网络时,遇到错误如下: OOM when allocating tensor with shape[129024,4096] and type float on /job:localhost/replica:0/task:0/device:GPU:0 by allocator GPU_0_bfc [[Node: dense_1/kernel...转载 2019-02-22 15:56:03 · 10241 阅读 · 2 评论 -
keras指定运行时显卡及限制GPU用量
https://blog.csdn.net/github_36326955/article/details/79910448keras在使用GPU的时候有个特点,就是默认全部占满显存。 这样如果有多个模型都需要使用GPU跑的话,那么限制是很大的,而且对于GPU也是一种浪费。因此在使用keras时需要有意识的设置运行时使用那块显卡,需要使用多少容量。这方面的设置一般有三种情况:1. 指定...转载 2019-06-14 10:37:03 · 1705 阅读 · 0 评论 -
ValueError: Cannot create group in read only mode.Keras读取h5模型报错
问题描述:再重新训练自己的数据集以后,保存的h5模型在读取时出现Cannot create group in read only mode.的错误,通过查询发现是在模型保存时的错误,在保存时使用了model.save_weights。改为save就可以了。介绍一下model.save_weights和model.save()的区别save()保存的模型结果,它既保持了模型的图结构,又...转载 2019-06-14 11:23:10 · 12285 阅读 · 0 评论 -
TensorFlow模型迁移到Android,官方demo
TensorFlow模型如何在移动端运行成为一种趋势,加之MobileNet等轻量级网络的产生,加速了移动端APP嵌入目标检测模型的发展趋势.最近做了tensorflow 模型在按着手机上的移植,效果不错,所以大概记录一下过程.因此本节从环境搭建-编译安装tf开始,一步步开始将tf模型部署到安卓平台,最后在安卓手机界面就能看到TF Detect, TF Classify, TF Stylize,...转载 2018-10-25 18:50:37 · 2297 阅读 · 1 评论