- 博客(8)
- 收藏
- 关注
原创 virtualenv使用参考
virualenv --system-site-packages env这个命令可以使用原生python环境的site-packages里面已安装的第三方依赖,我觉得很好用。这样我可以先创建一个只安装通用第三方package的base环境,然后运行上述命令创建一个只需安装特定第三方package的虚拟环境。相对anaconda感觉很轻便。创建完成后,进入虚拟环境:source $ENV_PATH/bin/activate我一般会在项目所在的目录下创建一个env.sh,内容如下:#!/usr/
2021-09-29 10:52:52 169
原创 ubuntu16.04安装python3.7
安装必要依赖sudo apt-get install libbz2-dev libncurses5-dev libgdbm-dev liblzma-dev sqlite3 libsqlite3-dev openssl libssl-dev tcl8.6-dev tk8.6-dev libreadline-dev zlib1g-dev uuid-dev libffi-dev防止在make时无法找到或者无法编译某些依赖,例如_ssl、readline、uuid、_ctypes等。配置安装项./conf
2021-09-28 23:39:55 779
原创 TF2.x的keras模型保存与加载
TF2.x的keras模型保存与加载keras模型的保存keras 模型的加载传送门:官方文档这里只想简单记录应用时遇到的一些坑。keras模型的保存假设有模型如下:keras模型的有三种形式:使用model.save此种方式可以hdf5格式或者saved_model格式保存整个模型。import tensorflow as tffrom tensorflow import kerasmodel = keras.applications.ResNet50()# 以h5的形式保存整
2021-09-01 19:39:36 2301
原创 基于tf2.x的keras训练的模型转成tf1.x版本
基于tf2.x的keras训练的模型转成tf1.x版本写在前面第一步:保证在tf1.x环境下正确导入tf2.x的权重在TF2.x只保存模型的权重在TF1.x下定义模型结构并导入TF2.x保存的权重第二步,转成TF1.x的saved_model写在前面我训练使用的是TF2.3,部分业务场景需要将模型转到TF1.14版本进行部署。训练的模型是基于keras的预训练,外加自己添了一点东西。TF2.x的模型转到TF1.x之后存在精度损失,因模型而异。第一步:保证在tf1.x环境下正确导入tf2.x的权重
2021-08-31 21:51:12 1088 3
原创 tensorflow_serving通过model_config_file进行模型部署以及更新部署
tensorflow_serving通过model_config_file进行模型部署以及更新部署TF Serving模型部署docker方式第一种方式第二种方式,通过model_config_file进行部署(推荐)TF ServingTF Serving架构具体包括:servables、loaders、sources、managers和core,具体内容参照tensorflow servi...
2019-05-31 14:10:13 5659
原创 PFM格式图像和读取middlebury 数据集
PFM格式图像和读取middlebury 数据集PFM格式图像图像格式Middlebury 2014数据集数据集介绍读取Middlebury数据集中视差图生成depth mapPFM格式图像http://www.pauldebevec.com/Research/HDR/PFM/https://linux.die.net/man/5/pfmPFM (Portable Float Map),是...
2019-04-10 16:33:44 11900 6
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人