图像融合 densefuse python初学总结出现的问题和解决方案

最新推荐文章于 2024-03-21 17:46:38 发布

Caleb tam

最新推荐文章于 2024-03-21 17:46:38 发布

阅读量796

点赞数 1

分类专栏： python 文章标签： python tensorflow

本文链接：https://blog.csdn.net/t_home/article/details/118382277

版权

python 专栏收录该内容

3 篇文章 1 订阅

订阅专栏

致敬作者：

https://github.com/hli1221/imagefusion_densefuse

cuda 10.1

▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂

问题1：

from scipy.misc import imread
ImportError: cannot import name 'imread’

解决方案

#查看scipy版本
 python -c "import scipy; print(scipy.__version__)"

#出现相关错误通常是 版本过高
 pip install scipy==1.2.1 -i https://pypi.tuna.tsinghua.edu.cn/simple

#安装完后问题并未解决
 pip install pillow -i https://pypi.tuna.tsinghua.edu.cn/simple

国内镜像

http://pypi.douban.com/simple/ 豆瓣
http://mirrors.aliyun.com/pypi/simple/ 阿里
http://pypi.hustunique.com/simple/ 华中理工大学
http://pypi.sdutlinux.org/simple/ 山东理工大学
http://pypi.mirrors.ustc.edu.cn/simple/ 中国科学技术大学
https://pypi.tuna.tsinghua.edu.cn/simple 清华

使用办法

1、临时使用，添加“-i”或“--index”参数
pip install -i http://pypi.douban.com/simple/ flask
2、配制成默认的
在你的“C:\Users\你的用户名\”目录下创建“pip”目录，“pip”目录下创建“pip.ini”文件（注意：以UTF-8 无BOM格式编码）；
“pip.ini”文件内容：
[global]
index-url=http://mirrors.aliyun.com/pypi/simple/
[install]
trusted-host=mirrors.aliyun.com
注意：trusted-host 选项为了避免麻烦是必须的，否则使用的时候会提示不受信任，或者添加“--trusted-host=mirrors.aliyun.com”选项；
注意：有网页提示需要创建或修改配置文件（linux的文件在~/.pip/pip.conf，windows在%HOMEPATH%\pip\pip.ini），至少Windows7下“%HOMEPATH%\pip\pip.ini”这个目录是不起作用的。

conda常用操作

▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂

问题2

AttributeError: module 'tensorflow' has no attribute 'Session'

解决方案：

报错AttributeError: module 'tensorflow' has no attribute 'Session'。
这其实不是安装错误，是因为在新的Tensorflow 2.0版本中已经移除了Session这一模块，
改换运行代码，tensorflow2.0版本中的确没有Session这个属性，如果安装的是tensorflow2.0版本又想利用Session属性，可以将tf.Session()更改为：

import tensorflow as tf

tf.Session()  改成  tf.compat.v1.Session()

这个方法可以解决此类问题，不仅仅适用于Session属性。

查阅资料发现，原因是2.0与1.0版本不兼容，在程序开始部分添加以下代码就可以正常运行了。：

tf.compat.v1.disable_eager_execution()

tensorflow的官网对disable_eager_execution()方法是这样解释的：

This function can only be called before any Graphs, Ops, or Tensors have been created. <br>It can be used at the beginning of the program for complex migration projects from TensorFlow 1.x to 2.x.
翻译过来为：此函数只能在创建任何图、运算或张量之前调用。它可以用于从TensorFlow 1.x到2.x的复杂迁移项目的程序开头。

更新：

找到了一个更简单的方法，在引用tensorflow时，直接用：

#网络上的解决方案1
import tensorflow.compat.v1 as tf

#解决方案2
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()

--------------------------------------------------------------------------------------------------------------------------------

还有一种向上兼容问题：

AttributeError: module 'tensorflow' has no attribute 'feature_column'

更新 pip install --upgrade tensorflow更新tensorflow。解决问题。

AttributeError: module 'tensorflow' has no attribute 'placeholder'问题

把代码进入tf环境中下面的代码

import tensorflow as tf

替换成下面代码。

import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()

▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂

问题3：

AttributeError: module 'tensorflow' has no attribute 'skimage'

pip install skimage  改成  pip install scikit-image

▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂

问题4：

ValueError: check_hostname requires server_hostname“

关掉爬墙软件解决，但是问题应该不在这，不过解决了，不看了。

▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂

问题5（未解决问题）：

'tensorflow.python.pywrap_tensorflow' has no attribute 'NewCheckpointReader'

https://blog.csdn.net/qq_39124762/article/details/82951818

对保存的参数checkpoints进行可视化读取

1.pywrap_tensorflow.NewCheckpoint(获得checkpoint的读取器)

2.np.save(对npy文件进行保存)

3.tl.file.load_npy_to_any(对保存的npy文件进行读取)

1. pywrap_tensorflow.NewCheckpoint(path)获得checkpoint的读取器

参数说明： path表示checkpoint的路径

2.np.save(path, dict) 根据路径将数据保存为npy类型

参数说明：path表示进行参数保存的路径, dict 表示需要进行保存的参数

3.tl.file.load_npy_to_any(name=path)对保存的npy文件进行读取

参数说明：name=path表示进行参数读取的路径

#代码说明：
#第一步：使用pywrap_tensorflow.NewCheckpoint(path)获得checkpoint的参数读取器
#第二步：使用reader.get_variable_to_shape_map()构造字典
#第三步：循环key，将键值对写入到all_variable.npy 
#第四步：使用tl.file.load_npy_to_any将npy数据进行读取

from tensorflow.python import pywrap_tensorflow
import os
import numpy as np
import tensorlayer as tl

#print出ckpt里的所有变量
# 第一步：构建读取checkpoint的reader 
model_dir = './models'
checkpoints = model_dir + os.path.sep + 'model-20180626-205832.ckpt-60000'
reader = pywrap_tensorflow.NewCheckpointReader(checkpoints)
# 第二步：构建参数字典
var_to_shape_map = reader.get_variable_to_shape_map() # 存储所有变量
# 第三步：循环key，构建数据，使用np.save()进行数据保存
for key in var_to_shape_map:
    var_to_shape_map[key] = reader.get_tensor(key)
    np.save('all_variable.npy', var_to_shape_map)
# 第四步:使用tl.files.load_npy_to_any进行数据的读取
# data2 = np.load('./all_variable.npy', allow_pickle=True)
data = tl.files.load_npy_to_any(name='all_variable.npy')
for key, value in data.items():
    print(key, value.shape)

Tensorflow: 从checkpoint文件中读取tensor

在使用pre-train model时候，我们需要restore variables from checkpoint files.
经常出现在checkpoint 中找不到”Tensor name not found”.
这时候需要查看一下ckpt中到底有哪些变量

可以显示ckpt中的tensor名字和值，当然也可以用pycharm调试。

import os
from tensorflow.python import pywrap_tensorflow

checkpoint_path = os.path.join(model_dir, "model.ckpt")
# Read data from checkpoint file
reader = pywrap_tensorflow.NewCheckpointReader(checkpoint_path)
var_to_shape_map = reader.get_variable_to_shape_map()
# Print tensor name and values
for key in var_to_shape_map:
    print("tensor_name: ", key)
    print(reader.get_tensor(key))

▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂▂

--------------------------------------------------------------------------------------------------------------------------------

环境搭建

conda info -e
conda env list：查看所有环境
conda create --name ds_chinese jupyter notebook pandas : 创建一个新的环境叫ds_chinese并且安装python, jupyter notebook 以及pandas。安装多个包的时候用空格隔开。你也可以指定安装包的版本号，比如安装一个python3.6的环境。conda create --name ds_chinese python=3.6
conda activate ds_chinese : 切换环境到ds_chinese.
conda deactivate
conda list : 查看当前环境中已安装的包
conda remove --name myenv --all：删除环境和该环境下所有的包因为我们在一台机器上操作，先要删除之前创建的环境ds_chinese.
conda env create -f environment.yml：创建ds_chinese 环境
常用命令

1、conda list 查看所有已安装的包

2、conda list numpy 查看 numpy是否安装