![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
tensorflow
周小天..
机器视觉、医疗
展开
-
tensorflow-环境安装
python3.6+tensorflow2.2.0+cuda10.0tensorflow2.2.0GPU版本+CUDA+cudnn安装+配置防坑指南_cyj5201314的博客-CSDN博客原创 2022-03-11 21:47:42 · 1483 阅读 · 0 评论 -
python-tensorflow pad和卷积‘Valid’的组合及卷积‘SAME‘是否一样
import tensorflow as tffilterWidth = 3#卷积def conv(batch_input, out_channels, stride): with tf.variable_scope("conv"): in_channels = batch_input.get_shape()[3] #channel filter = tf.get_variable("filter", [filterWidth, filter.原创 2021-05-08 16:27:56 · 135 阅读 · 0 评论 -
python-队列
1、可以一直往队列写数据,队列满了阻塞写入线程2、可以一直从队列取出数据,队列空了,阻塞取数据线程3、取数据线程跑的比写入线程快的话,会等待它。from queue import Queueimport threadingimport timeq = Queue(20)def func(): for i in range(20): q.put(i) time.sleep(1)t1 = threading.Thread(target=.原创 2021-03-15 16:40:43 · 192 阅读 · 0 评论 -
python-tensorflow 多线程引起的新graph问题
多个线程使用的是不同的图def fun(id,graph): # tf.reset_default_graph() # with graph.as_default(): print('id:%d'%id,tf.get_default_graph())t1 = threading.Thread(target=fun,args=[1,tf.get_default_graph()])t2 = threading.Thread(target=fun,args=[2,tf.原创 2021-03-13 22:12:31 · 391 阅读 · 0 评论 -
python-tensorflow 多线程+Event进入enqueue
import tensorflow as tfqueue = tf.FIFOQueue(10, dtypes=[tf.float32])y = tf.Variable(initial_value=1.0, dtype=tf.float32)y_assign = tf.assign_add(y, 1)with tf.control_dependencies([y_assign]): enque_op = queue.enqueue([y])dequeue_op = queue.deque.原创 2021-03-12 22:22:12 · 111 阅读 · 0 评论 -
python-tensorflow项目模板
转发:https://www.jianshu.com/p/aac9b5f3c067?utm_source=oschina-app原创 2021-03-10 16:25:23 · 137 阅读 · 0 评论 -
python-tensorflow批量读取图像
其实最根本的就是1、利用filenames_queue=tf.train.string_input_producer(data_names,num_epochs=5,shuffle=False,capacity=512)2、读取了文件名,放在了文件名队列中,filenames_queue就是一个FIFOQueue,3、然后出队列利用reader=tf.WholeFileReader()去读取文件,转换等等4、再获取batch这些都在构建文件名队列,构建文件队列的时候讲过了,唯一多的原创 2021-03-11 22:02:49 · 506 阅读 · 0 评论 -
python-tensorflow Coordinate和QueueRunner配合管理队列-提取数据
tf.QueueRunner主要用于启动多个线程来操作同一个队列,启动的这些线程可以通过上面介绍的tf.Coordinator类来统一管理。以下代码展示如何使用tf.QueueRunner和tf.Coordinator来管理多线程队列操作。import tensorflow as tf # 声明一个先进先出的队列,队列中最多100个元素,类型为实数queue = tf .FIFOQueue(100, 'float')# 定义队列的入队操作enqueue_op = queue.enqueue([原创 2021-03-11 11:04:34 · 295 阅读 · 0 评论 -
python-tensorflow Coordinate和QueueRunner配合管理队列-注入数据
aa原创 2021-03-11 19:25:55 · 129 阅读 · 0 评论 -
python-tensorflow Coordinator管理多线程
参考:https://blog.csdn.net/dongfeig54321/article/details/102099095?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.control&dist_request_id=1328626.12514.16153813394111169&depth_1-utm_source=distribute.pc_relevant.n.原创 2021-03-11 10:46:12 · 312 阅读 · 0 评论 -
Python多线程编程(一):threading 模块 Thread 类的用法详解
转发:https://blog.csdn.net/briblue/article/details/85101144原创 2021-03-11 10:04:44 · 136 阅读 · 0 评论 -
python-tensorflow FIFOQueue
FIFOQueue继承自QueueBase,QueueBase主要包含入列(enqueue)和出列(dequeue)两个操作,enqueue操作返回计算图中一个操作节点,dequeue操作返回一个张量tf.FIFOQueue:创建一个先入先出队列属性:capacity:指定队列中的元素数量的上限。dtypes:DType对象的列表。dtypes的长度必须等于每个队列元素中张量的数量。shapes:(可选项)names:(可选项)命名队列的字符串。shared_name :(可选项)如果非原创 2021-03-01 16:22:24 · 139 阅读 · 0 评论 -
python-tensorflow tensorboard代码
import tensorflow as tf'''1、scalar(标量)2、image3、audio4、histogram5、graph'''##可视化#with tf.variable_scope("foo",reuse=tf.AUTO_REUSE):# with tf.device("/cpu:0"):# x_init1 = tf.Variable(name="init_x",dtype=tf.float32,initial_value=tf.rand.原创 2021-03-03 19:21:04 · 126 阅读 · 1 评论 -
python-tensorflow滑动平均
转发:https://blog.csdn.net/mieleizhi0522/article/details/80424731?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522161529831516780255297396%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=161529831516780255297396&biz_原创 2021-03-09 22:47:34 · 92 阅读 · 0 评论 -
python-tensorflow tensorboard
转发:https://www.cnblogs.com/lyc-seu/p/8647792.htmlTensorflow学习笔记——Summary用法 最近在研究tensorflow自带的例程speech_command,顺便学习tensorflow的一些基本用法。其中tensorboard 作为一款可视化神器,可以说是学习tensorflow时模型训练以及参数可视化的法宝。而在训练过程中,主要用到了tf.summary()的各类方法,能够保存训练过程以及参数分布图并在tens...原创 2021-03-03 11:50:37 · 130 阅读 · 0 评论 -
python-tensorflow模型保存、提取
模型保存import tensorflow as tf#%%#模型保存with tf.variable_scope('a',reuse=tf.AUTO_REUSE): v1 = tf.get_variable(name='v1',initializer=tf.constant(3.0)) v2 = tf.get_variable(name='v2',initializer=tf.constant(4.0))result = v1+ v2saver = tf.train.原创 2021-03-03 10:57:28 · 308 阅读 · 0 评论 -
python-tensorflow不定型变量
import tensorflow as tf#1、定义一个不定形状的变量x = tf.Variable( initial_value = [], dtype = tf.float32, trainable=False, #不把它加载到内存环境中间,单独维护它 validate_shape=False #设置为True,表示在变量更新的时候,运行shape的检查,默认为True )#2、变量更改#定义一个拼接操作,axis=0表示横向拼接concat.原创 2021-03-03 10:34:06 · 141 阅读 · 0 评论 -
python-tensorflow多个图
import tensorflow as tfa = tf.constant([[1,2],[3,4]],dtype=tf.int32)b = tf.constant([5,6,7,8],dtype=tf.int32,shape=[2,2])print("变量a是否在默认图中:{}".format(a.graph is tf.get_default_graph()))#使用新的构建的图graph = tf.Graph()with graph.as_default() as g1: .原创 2021-03-03 11:01:18 · 91 阅读 · 0 评论 -
python-tensorflow实现线性回归
import tensorflow as tfimport numpy as np'''1、tensorflow 实现线性回归'''#构造数据w = tf.constant(3,tf.float32,name='w')b = tf.constant(2,tf.float32,name='b')x = tf.range(1.0,100.0,1,dtype=tf.float32,name='x')y = w*x+b+tf.random_normal(shape=x.shape,mean=.原创 2020-10-16 16:04:32 · 167 阅读 · 0 评论 -
python-tensorflow实现非线性回归(两个案例)
'''tensorflow 实现非线性回归案例一:y = ax^2+bx+c案例二:y = a*exp(-(x-u)**2/(x*sigma**2))+b这个和神经网络目前来看还没有关系,好像完全就是利用模型,然后去进行反向传播,最后去计算的最优参数'''import tensorflow as tfimport numpy as npimport matplotlib.pyplot as plt'''案例一'''def demo1(): #构造数据 x = np.原创 2020-10-21 11:15:20 · 971 阅读 · 0 评论 -
python-tensorflow实现softmax二分类(精度0.71,待改进)
import numpy as npimport matplotlib.pyplot as pltimport tensorflow as tfimport random'''Tensorflow实现分类任务''''''先实现二分类'''def binary_classification(): learningRate = 0.005 #构建分类数据 x1 = np.arange(-10,10,0.01).reshape(-1,1) x2 = np.aran.原创 2020-10-21 20:36:29 · 552 阅读 · 1 评论 -
python-tensorflow 深度学习三个概念Epoch, Batch, Iteration
https://www.jianshu.com/p/22c50ded4cf7转载 2020-11-02 10:09:18 · 524 阅读 · 0 评论 -
python-tensorflow从单层感知器到BP神经网络
https://www.hahack.com/reading/ann2/转载 2020-11-02 21:29:14 · 105 阅读 · 0 评论 -
python-tensorflow miniBatch
miniBatch批量归一化: https://www.cnblogs.com/guoyaohua/p/8724433.html原创 2020-11-03 11:17:58 · 221 阅读 · 0 评论 -
python-tensorflow构建网络
卷积#卷积def conv(batch_input, out_channels, stride): with tf.variable_scope("conv"): in_channels = batch_input.get_shape()[3] #channel filter = tf.get_variable("filter", [4, 4, in_channels, out_channels], dtype=tf.float32, initi原创 2021-02-25 15:33:12 · 115 阅读 · 0 评论 -
python-tensorflow张量的pad
import tensorflow as tfimport numpy as np #%% 产生数据N = 2Cin =2Cout = 3H = 4W = 4arry = np.arange(N*Cin*H*W).reshape([N,H,W,Cin])a = tf.pad(tf.constant(arry),[[0,0],[1,1],[1,1],[0,0]])array shape:(2,4,4,2)a shape:(2,6,6,2)原创 2021-02-25 14:12:16 · 152 阅读 · 0 评论 -
python tensorflow常见函数
函数1:限制范围功能:限制范围在0,1之间,大于1置为1,小于0置为0a = tf.clip_by_value(3,0,1) with tf.Session() as sess: print(sess.run(a))输出:1原创 2021-02-26 12:03:37 · 236 阅读 · 1 评论 -
python-tensorflow基础
import numpy as npimport matplotlib.pyplot as pltimport tensorflow as tf'''1、怎么构建图,并设置为默认图2、变量的name3、默认情况下,创建的Session使用的是默认的graph ,会话关闭后不能再使用4、fetch5、session和eval底层一致6、交互式会话(基本不用)7、张量:Tensor,就是数据(阶,常量,变量(变量初始化)) 全局变量初始化,也可以单个变量的初始化(初始化也是.原创 2020-10-16 09:33:16 · 160 阅读 · 0 评论 -
python-tensorflow 控制依赖案例(阶乘)
#%%import tensorflow as tfimport numpy as npimport osimport hashlibimport matplotlib.pylab as pltimport cv2from PIL import Image#%%#1、定义一个变量sum = tf.Variable(initial_value=1,dtype=tf.int32)#2、定义一个占位符i= tf.Variable(initial_value=6,dtype=tf.i.原创 2021-03-03 10:27:50 · 126 阅读 · 0 评论 -
python-tensorflow控制依赖(二)
tf.assign_add的执行会影响后续的操作,需要使用控制依赖m = tf.Variable(initial_value=0,dtype=tf.float32)op = tf.assign_add(m,1)n = m+1with tf.Session() as sess: tf.global_variables_initializer().run() for i in range(100): print(sess.run([m,n,op]))因为run执行原创 2021-03-10 12:16:04 · 134 阅读 · 0 评论 -
python-tensorflow变量自增和控制依赖(一)
问题:我们常规的变量更新,会发现,使用x=x+1在tensorflow中并没有更新x,实际上这两个x在tensorflow中不是同一个东西原理:tensorflow中,每个变量和和操作都会创建节点import tensorflow as tfx = tf.Variable(1.0,tf.float32)x = x+1with tf.Session() as sess: tf.global_variables_initializer().run() for i in .原创 2021-03-02 19:00:33 · 174 阅读 · 0 评论 -
python-tensorflow乘法
1.tf.multiply()两个矩阵中对应元素各自相乘格式:tf.multiply(x, y, name=None)参数:x: 一个类型为:half, float32, float64, uint8, int8, uint16, int16, int32, int64, complex64, complex128的张量。y: 一个类型跟张量x相同的张量。返回值:x * y element-wise.注意:(1)multiply这个函数实现的是元素级别的相乘,也就是两个相乘的数元素各自相乘,而..转载 2020-10-16 10:16:54 · 1044 阅读 · 0 评论 -
python-tensorflow指定运行设备
#%%import tensorflow as tfimport numpy as npimport osimport hashlibimport matplotlib.pylab as pltimport cv2from PIL import Image#%%with tf.device("/gpu:0"): #这个代码块中定义的操作,会在tf.device给定的设备上运行 #不是所有的操作都可以在GPU上运行的 a = tf.Variable([1,2,3.原创 2021-03-03 09:21:17 · 126 阅读 · 0 评论 -
python-tensorflow Session.run-执行顺序
sess.run()里面的执行顺序是按fetch列表中的元素,在计算图中的出现的先后顺序执行一次完后,最后统一输出,不会重复执行即:fetch列表中的节点打乱时, 取出来的值依然是一次流程图计算出来的结果,不是按照fetch列表中出现的先后顺序执行。m = tf.Variable(initial_value=2,dtype=tf.float32)n = m+1j = n+1with tf.Session() as sess: tf.global_varia...原创 2021-03-10 11:53:16 · 511 阅读 · 0 评论 -
python-tensorflow Session.run-参数理解
def run(self, fetches, feed_dict=None, options=None, run_metadata=None): """Runs operations and evaluates tensors in `fetches`. 功能:This method runs one "step" of TensorFlow computation, by running the necessary graph fragment(碎片) to execute every `Op.原创 2021-03-10 11:16:06 · 1122 阅读 · 0 评论 -
python-tensorflow 创建默认Session
#%%import tensorflow as tfimport numpy as npimport torcha = tf.constant(6.2)b = tf.constant(10.5)c = tf.add(a,b)#如果不给定图的情况下,默认使用默认图#不需要考虑图中的运算,在运行的时候只需要关注最终结果对应的对象以及所需要的输入数据值#只需要传递进去所需要得到的结果对象,会自动的根据图中的依赖关系触发所有相关的OP操作的执行#会话构建&启动sess = t.原创 2021-03-01 20:27:02 · 289 阅读 · 0 评论 -
python-tensorflow 变量及作用域之作用域(二)
前一节讲变量tf.get_variable和tf.Variable新建变量的区别,区别在于重复定义变量时,计算机是否自动更改变量属性名,tf.variable会自动更改属性名加‘_n’,tf.get_variable就会报错。本节讲作用域结论1:变量名就是一个名字,变量的name属性是地址a = tf.Variable(3.0,dtype=tf.float32)print(a.name)输出:Variable_1:0定义了变量,变量名是a,name属性为Variable_1:0,原创 2021-03-03 19:18:31 · 65 阅读 · 1 评论 -
python-tensorflow 变量及作用域(一)
tensorflow定义变量,tf.Variable()v1 = tf.Variable(3,name='V2')v2 = tf.Variable(3,name='V2')问题:当定义相同的变量名时,系统会对name属性做更改 V2_1开发人员重新设立机制,使用get_variable建立的变量,在reuse属性下,使用同一个内存空间with tf.variable_scope('scope1'): v3 = tf.get_variable(name='V2',initi.原创 2021-02-25 14:54:04 · 180 阅读 · 0 评论 -
python-tensorflow 变量、常量、占位符及相互赋值
import tensorflow as tf#1、定义一个变量,必须给定初始值a = tf.Variable(initial_value = 3,dtype=tf.float32)#2、定义一个张量b = tf.constant(value=2.0,dtype=tf.float32)c = tf.add(a,b)#3、在启动图之前,变量必须先经过初始化操作init_op = tf.initialize_all_variables()#3、启动图with tf.Session().原创 2021-03-01 20:24:43 · 430 阅读 · 0 评论