image 第二次使用就出错是怎么回事_使用tensorflow遇到的问题总结

之前一直在用pytorch，最近需要用到tensorflow，遇到了很多问题，记录一下下

1. 首先是使用tensorflow，如何进行数据的标准化

首先不同框架默认的通道顺序

tensorflow: NHWC
OpenCV: NHWC

pytorch: NCHW

tensorflow的通道在最后。

首先为什么需要进行数据处理：总结起来我的理解是，相当于把数据放在同一个坐标系下，这样特征对于网络来说更明显。

然后标准化方法

蒋竺波：CNN 入门讲解：什么是标准化(Normalization)？​zhuanlan.zhihu.com

纠结了很久归一化和标准化，总结一下，大概是，归一化和常说的标准化是将数据进行处理的不同方式，常用的标准化是Z-score标准化，就是减去mean，再除以均值。

x = (x - u)/σ

• u: 所有样本数据的均值
• σ: 为所有样本数据的标准差

还有针对一张图片的标准化公式。

Z-score标准化用tensorflow实现时：

original_image = (original_image - np.array(self.mean)) / np.array(self.std)

mean和std额外求出。

目前暂时没发现这样处理不对，有问题请告诉我。

2.tensorflow使用gpu

如何在tensorflow中使用gpu运算呢

在pytorch中，如果想要使用gpu，首先在main.py函数里加上调用gpu的命令

import os

os.environ["CUDA_VISIBLE_DEVICES"] = '0'

然后再使用模型时，以及带有梯度的变量都需要加上.cuda( )这个属性。

然而在tensorflow中，并没有.cuda( )这个语句。目前为止我了解到的，在tensorflow中使用gpu，就在main.py里加上gpu调用就好了，不需要给model和变量加.cuda( )之类的东西。在tensorflow中也可以使用：

import os

os.environ["CUDA_VISIBLE_DEVICES"] = '0'

也可以：

with tf.device('/gpu:7'):

……

main（）

当然还可以进行更精细的操作。

3. 遇到了用了gpu，gpu也有内存占用，但是非常少，只有150m，这是怎么回事呢

后来发现了，原来tensorflow版本和cuda cudnn版本不匹配

tensorflow 2.0.0

cuda 10.0

然而我的是cuda10.1，所以我应该用tensorflow2.1.0

tensorflow 2.1.0

cuda 10.1

cudnn 7.6

换完tensorflow 2.1.0之后就可以使用gpu了，但还是会报找不到一个文件的错误，但是似乎没影响训练，好像跟TensorRT有关，先不管了吧，这不是目前最紧要的问题

……………………………………剩下的就是一些碎碎念了……………………………………………………………

科研中失败居多，成功是很少的情况，但感觉真是很不想接受一次一次的实验效果不好，加上这个课题没有师兄师姐的经验，显得似乎更难了一些，不知道这是不是一种心理暗示，可能就算有师姐师兄的经验照样帮不上什么忙。想想叶修，已经站在顶峰了，但还是有从头再来的勇气和魄力，所以能再次回到荣耀之巅吧。一般人达到顶峰之后，可能怕失去荣耀的自己会遭到别人的嘲笑，害怕自己失去得到的这些，所以不敢失败了，更不敢从头开始，可能这也是叶修为什么叫君莫笑吧。从头开始，请诸君莫笑。恩，很洒脱

恩，加油加油~