使用tesnorflow过程中遇到的问题(一)

运行tensorflow测试程序时,出现: FutureWarning: Conversion of the second argument of issubdtype from `float` to `np.floating` is deprecated. In future, it will be treated as `np.float64 == np.dtype(float).type`.

  from ._conv import register_converters as _register_converters

环境:win10,python3.6

原因:numpy和h5py版本不兼容的原因

通过pip list命令查看得知:

numpy的版本为1.14.5 ,h5py的版本为2.7

于是升级h5py:

pip install h5py==2.8.0rc1

问题得到了解决


TensorFlow Function是TensorFlow框架的一个功能,用于提高计算图执行效率和灵活性。 首先,TensorFlow Function可以将一段常规的Python代码转换为TensorFlow计算图,这样可以利用TensorFlow的自动求导和图优化功能,提高计算效率。它使用了一个装饰器(`@tf.function`)来将Python函数转换为计算图,使得函数的执行变得更高效。当使用TensorFlow Function装饰的函数被调用时,TensorFlow会自动构建计算图并优化。这样一来,即使使用循环和条件语句等Python控制流操作,也能够以高效的方式在TensorFlow执行。 其次,TensorFlow Function还可以提供更灵活的图构建方式。通过手动控制计算图的边界,可以更好地管理内存和计算资源。在TensorFlow Function可以使用`tf.Tensor`、`tf.Variable`、`tf.constant`等TensorFlow的常用数据结构和操作,而且还支持Python的控制流语句,如循环和条件判断。这使得我们可以通过TensorFlow Function来构建更加复杂和灵活的计算图,以满足各种需求。 总而言之,TensorFlow Function是一个可以将常规Python代码转换为高效计算图的工具。通过使用TensorFlow Function,我们可以利用TensorFlow的图优化和自动求导功能,提高计算效率;同时,它还提供了更灵活和可控的图构建方式,使我们能够构建更复杂和灵活的计算图。TensorFlow Function是TensorFlow框架一个非常重要且实用的功能。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值