TensorFlow系列
TensorFlow 1.0
Terry无敌
我的代码曾运行在几千万用户的机器上,作为一个准程序员,还有什么比这更让人满足的呢?如果有,那就是让这个用户数量再扩大 10 倍。
展开
-
深度学习基于TF破解验证码
前言学习腾讯的开发者课程以后,感觉很不错,记录一下,验证码主要用于防刷,传统的验证码识别算法一般需要把验证码分割为单个字符,然后逐个识别,如果字符之间相互重叠,传统的算法就然并卵了,本文采用cnn对验证码进行整体识别。通过本文的学习,大家可以学到几点:1.captcha库生成验证码;2.如何将验证码识别问题转化为分类问题;3.可以训练自己的验证码识别模型。步骤prepare_data.py - 验原创 2017-11-15 11:45:05 · 3329 阅读 · 0 评论 -
TF报错:CUDA_ERROE_OUT_OF_MEMORY
I tensorflow/core/common_runtime/gpu/gpu_device.cc:975] Creating TensorFlow device (/gpu:0) -> (device: 0, name: GeForce GTX 860M, pci bus id: 0000:01:00.0)E tensorflow/stream_executor/cuda/cuda_dnn.c原创 2017-11-14 21:53:26 · 4575 阅读 · 3 评论 -
Tensorflow之构建自己的图片数据集TFrecords(精)
用了这么久的tensorflow,例子跑了N多便,基本流程是清楚了。但是自己独立做一个小例子各种问题都来了。如自己图片数据集怎么做?说句老实话,tensorflow真是烦,管方文档教程上老拿MNIST和cifar_10这种做好的数据集说事,对于我们这些初学者,完全不知道图片该如何输入。今天给大家分享我的Tensorflow制作数据集的学习历程。 流程是:制作数据集—读取数据集—-加入队列原创 2017-02-24 18:32:53 · 36181 阅读 · 51 评论 -
python加载properties配置文件
在python中基本没有遇到这中情况,今天用python跑深度学习的时候,发现有些参数可以放在一个global.properties全局文件中,这样使用的时候更加方便。原理都是加载文件,然后用line方法进行解析原创 2017-05-18 13:57:53 · 6838 阅读 · 0 评论 -
tensorflow分类预测引发的性能测试
我们把训练模型建立以后,投入到生产环境的时候,问题来了,一张图片进行预测,tensorflow启动加载模型在进行需要跑好几秒钟,才能得出一个预测值。这在真实环境中是不允许的。因为太慢了,为了找出原因所在,开始了如下的探究和测试。调试确定问题以google-inception模型中的test.py为例,先在测试模型中记录两个时间,最后相互减就得出所用时间,确定在哪一个环节耗时严重。# coding=u原创 2017-04-04 22:25:35 · 5768 阅读 · 8 评论 -
tensorflow数据可视化
可视化简单说就是把数据通过图,表等展示出来,使用者可以通过眼睛就可以直观看出。 tensorflow提供了数据可视化的工具--TensorBoard,有了TensorBoard,可以直观的看出tensorflow程序的基本流程图,数据的变化趋势,等。 使用的话,就是在源代码的基础之上加点操作,然后执行,生成日志文件,tensorBoard通过运行这个文件,可视化就完成了,共三步: 第一步:原创 2017-01-16 17:13:01 · 6395 阅读 · 2 评论 -
Ubuntu16.04 配置tensorflow1.0 gpu版本
requirementspython 2.7Flasktensorflow GPU 版本安装nvidia driver经过不断踩坑的安装,终于google到了靠谱的方法,首先检查你的NVIDIA VGA card modelsudo lshw -numeric -C display1212NVIDIA-DISPLAYCARD 可以看到你的显卡信息,比如我的就是 product: GM107M [G转载 2017-03-20 17:54:02 · 9454 阅读 · 3 评论 -
Tensorflow 训练模型数据freeze固话保存在Graph中
在tensorflow中,graph是训练的核心,当一个模型训练完成后,需要将模型保存下来,一个通常的操作是:variables = tf.all_variables() saver = tf.train.Saver(variables) saver.save(sess, "data/data.ckpt")tf.train.write原创 2017-02-18 21:03:26 · 14003 阅读 · 0 评论 -
tensorflow中神经网络相关函数算法
Neural Network激活算法The activation ops provide different types of nonlinearities for use in neural networks. These include smooth nonlinearities (sigmoid, tanh, elu, softplus, and softsign),原创 2017-03-10 10:15:53 · 1697 阅读 · 0 评论 -
tensorflow中的tf.nn这类函数
tf.nn.sparse_softmax_cross_entropy_with_logits(_sentinel=None, labels=None, logits=None, name=None) 计算对数和标签之间的稀疏softmax交叉熵。原创 2017-03-10 10:03:10 · 3336 阅读 · 0 评论 -
tensorflow模型优化技巧
当把模型跑起来后,开始考虑如何优化model,提升性能,从网上找了找资料,并结合实际,整理一下分享给大家。预处理数据说道预处理数据,我觉得我自己做的还是不少,学习tensorflow时候,把mnist_soft.py跑起来以后,就开始思考mnist数据是什么数据?带着这个疑问我开始尝试制作自己的数据集,期间使用了很多的方法,如二进制文件,直接读取图片进内存等等。其实仔细想想可以知道,如果预处理数据没原创 2017-03-08 10:58:22 · 4406 阅读 · 0 评论 -
Tensorflow构建自己的图片数据集TFrecords
:C/C++ 图像二进制存储与读取中,已经讲解了如何利用C/C++的方法存储与读取二进制图像文件,本文继续讲述如何根据CIFAR-10的格式制作自己的数据集。所述博文与代码均已同步至GitHub说明一下,这是一篇在window下操作的,换到ubuntu下请各位自行解决,博客质量是不错的,自己制作很不错。前一篇博客:C/C++ 图像二进制存储与读取中,已经讲解了如何利用C/C++的原创 2017-01-14 19:24:05 · 8459 阅读 · 5 评论 -
tensorflow 中导出/恢复模型Graph数据Saver
不得不说,在tensorflow中,这个问题一直困扰我好几天了,没有弄清graph个saver的关系。 下面我就记录一下两者的用法以及应用场景:Graph图是tensorflow的核心,所有的操作都是基于图进行的,图中有很多的op,一个op又有一个或则多个的Tensor构成。Saver在训练的中可以保存数据比如得到一个Weights值后,需要保存下来,以便下次再使用。应用场景graph 和sav原创 2017-02-23 15:09:04 · 10283 阅读 · 0 评论 -
tensorflow 中Graphs的相关文档
2.1 建立图(Building Graphs)本节主要介绍建立tensorflow图的相关类或函数* 核心图的数据结构(Core graph data structures)tf.Graph操作描述class tf.Graphtensorflow中的计算以图数据流的方式表示一个图包含一系列表示计算单元的操作对原创 2017-02-22 16:00:52 · 1866 阅读 · 0 评论 -
tensorflow 1.0之tf.train.Saver 文档翻译
tf.train.Saver类tf.train.Saver请参阅指南:变量>保存和恢复变量保存和恢复变量。有关变量,保存和恢复的概述,请参阅变量。Saver类添加了ops来保存和恢复变量到检查点和从检查点恢复变量。它还提供了运行这些操作的便利方法。检查点是以变量名称与张量值映射的专有格式的二进制文件。检查检查点内容的最好方法是原创 2017-02-22 12:20:50 · 1523 阅读 · 0 评论 -
深度学习科普贴:它如何工作,它将怎样改变我们与技术的互动?
来源于http://www.tmtpost.com/2567403.html摘要: 深度学习将根本地改变人们与技术交互的方式,正如操作系统改变了普通人使用电脑的方式一样。即使热能以及声音都是能量的表现形式,但是尽管在你很小的时候,却也并不需要被教育说不要用“热对流”这门语言来讲话。每次你的孩子偶遇流浪动物的时候,他们也不需要被多次教育就能判断得出这只动物到底是猫还是狗。人类转载 2017-02-18 19:05:26 · 1082 阅读 · 0 评论 -
tensorflow mnist例子流程浅析
先贴一次官方源码"""A very simple MNIST classifier.See extensive documentation athttp://tensorflow.org/tutorials/mnist/beginners/index.md"""from __future__ import absolute_importfrom __future__ import d原创 2017-01-17 09:50:06 · 2499 阅读 · 0 评论 -
tensorflow之过拟合
在神经网络训练中,我们不断的训练,可以得到更符合预期的特征值。但是,训练过度,会产生一个什么效应呢,就是过拟合,英文好像叫overfitting.用人来做比喻,适当的自信很重要,但是自信过度就变成了自负,过拟合和自负差不多。 这样会造成很大的误差。用一个图来理解:第一张到第二张为正常学习,再到第三张,显然已经弯曲了,不符合预期效果,因此,避免过拟合尤为重要。如何避免了?我最先想到的原创 2017-01-09 22:12:41 · 2517 阅读 · 0 评论 -
理解dropout
注意:图片都在github上放着,如果刷不开的话,可以考虑翻墙。转载请注明:http://blog.csdn.net/stdcoutzyx/article/details/49022443开篇明义,dropout是指在深度学习网络的训练过程中,对于神经网络单元,按照一定的概率将其暂时从网络中丢弃。注意是暂时,对于随机梯度下降来说,由于是随机丢弃,故而每一个mini-batch都在训练不转载 2017-01-09 22:06:47 · 635 阅读 · 0 评论 -
基于ubuntu16.04 源码安装 tensorflow
官网提供多种tensorflow的安装方式,源码,VirtualEnv ,Doctkerd等等,下面使用tensorflow源码安装。 说明:本博客安装的是only cpu 版本,如需安装enable gpu版本,请参照另一篇博客:源码下载使用git从github上下载:git clone --recurse-submodules https://github.com/tensorflow/ten原创 2016-12-30 12:33:57 · 2594 阅读 · 0 评论 -
Tensorflow一些常用基本概念与函数
1、tensorflow的基本运作为了快速的熟悉TensorFlow编程,下面从一段简单的代码开始:import tensorflow as tf #定义‘符号’变量,也称为占位符 a = tf.placeholder("float") b = tf.placeholder("float") y = tf.mul(a, b) #构造一个op节点 sess = tf.Ses转载 2016-12-30 10:43:02 · 4643 阅读 · 0 评论