random_repick的专栏

数据库：MNIST，与这里对比tf.nn.depthwise_conv2d的理解看这里，主要是对卷积核参数的理解，即（高度，宽度，输入通道，每个通道得到的输出通道数）训练速度慢，收敛也慢，刚开始就像没训练的样子，只将一个卷积层改成深度可分离卷积就增加了12次迭代import tensorflow as tfimport numpy as npimport randomimport cv2,sys,osimport MyDatadata=tf.placeholder(tf.float32.

1.ModuleNotFoundError: No module named ‘object_detection’export PYTHONPATH=/home/lwd/code/dl/models/research2.ImportError: cannot import name ‘anchor_generator_pb2’protoc object_detection/protos/*.proto --python_out=.3.ImportError: cannot import.

一、MyData.py数据读取，进行了简单的归一化，即除以255.0dataset_path是保存图片路径和标签的txt的路径，每行的格式是/home/lwd/data/mnist/image/59999.png 8MNIST转化成图片看这里import osimport cv2import randomimport numpy as npimport tensorflow as tfclass Dataset(object): def __init__(self, data

1.确认tensorflow是否与cuda，cudnn对应，在这里查看2.修改设置os.environ['CUDA_VISIBLE_DEVICES']='0,1'# tf 1.13config = tf.ConfigProto()config.gpu_options.allow_growth=Truesess = tf.Session(config=config)sess.run(tf.global_variables_initializer())# tf 2.0# gpu = tf.

1.不可改条件GeForce GTX 16602.可配置内容显卡驱动：我装的430.50，在官网查，当前最新的460.32.03也行CUDA：这篇博客说CUDA版本和显卡没对应关系，但我用CUDA8就不行，现在用的10.1，可能是我把驱动打包安装的原因tensorflow：不同项目要求不同的版本，与之对应的CUDA版本也不同，有需要再说cuDNN：和CUDA版本有关系3.CUDA多版本后续再补，先这样吧...

1.TF.VARIABLE、TF.GET_VARIABLE、TF.VARIABLE_SCOPE以及TF.NAME_SCOPE关系详解tf.Variable的变量名是一个可选项，tf.get_variable必须指定变量名，因为tf.get_variable如果存在就不新建TensorFlow中通过变量名获取变量的机制主要是通过tf.get_variable和tf.variable_scope实现的。reuse=False时，tf.variable_scope创建变量；reuse=True时，tf.

在这里看的但我认为downsample部分不用自己填充，只设置步长为2就行，padding用SAME。因为filter的大小一般是奇数，padding用SAME，在卷积的时候，自动填充filters_shape[0] // 2def convolutional(input_data, filters_shape, trainable, name, downsample=False, activate=True, bn=True): with tf.variable_scope(name):.