shin627077的专栏

如题，在一些情况下，我们可能希望编写一些自己的python代码，不完全使用tensorflow已提供的计算图来做，在一般情况下，可以使用tf.py_func。 但是如果想让该代码部署到tensorflow serving上，那么恭喜，tensorflow serving是不支持的，会报如下错误：Loading servable: {name: 模块名 version: 版本号} failed: N

通常，我们写入tfrecords的分类都是以该格式存储的："label": tf.FixedLenFeature([], tf.int64)然后取出的feature这样定义："label": tf.FixedLenFeature([], tf.int64)取值代码：label = tf.cast(features["label"], tf.int32)然后发现我们不

因为一些特殊情况，可能会想安装一些特定的包，比如，我自己就在安装tensorflow时不想升级cudnn，而cuda search tensorflow-gpu 有如下结果（只截取了1.2.1版本相关数据，用的清华源）： 1.2.1 py27cuda7.5cudnn5.1_0 https://mirrors.tuna.ts

如题，在调用模型的predict方法后，用tensorflow作为backend调用如下类似方法时，会越跑越慢（时间逐次递增）：K.get_valueK.evalK.get_session().run()问题不详，暂时没有找到可行的解决方案，目前可以做的方式为，在Model定义的outputs前做处理，比如定义一个Lambda函数，处理过后放到outputs后作为结果。

按照官方文档，tensorflow手动编译获取代码如下：git clone https://github.com/tensorflow/tensorflow cd tensorflowgit checkout Branch # where Branch is the desired branch，如git checkout r1.0这里有个巨坑，如果你打开git上的Branches，会看到（不同

希望一个二维数组，先按第二列排序，再按第一列排序，网上找了一圈没找到，后来不停尝试终于找到一个方法，代码如下：a = [[2,3,4], [2,4,5],[3,3,4]]sorted(a, key=lambda x: (x[1], x[0]))输出结果为：[[2, 3, 4], [3, 3, 4], [2, 4, 5]]目的达成，记录一下