yanxiaohui1992的博客

sys.argv[0]表示代码本身文件路径sys.argv[]是一个从程序外部获取参数的桥梁sys.argv[1] 接收的的在终端传入的第一个参数sys.argv[2]接收的的在终端传入的第二个参数...

主要有三个步骤：创建 ArgumentParser() 对象 调用 add_argument() 方法添加参数 使用 parse_args() 解析添加的参数parser.parse_known_args(）解析的作用就是当仅获取到基本设置时，如果运行命令中传入了之后才会获取到的其他配置，不会报错；而是将多出来的部分保存起来，留到后面使用...

查看tensorflow的变量值#用tf.Session()函数import tensorflow as tfsess=tf.Session()w1=tf.Variable(5,dtype=tf.int32)sess.run(tf.global_variables_initializer())print(sess.run(w1))#或者用with结构import ten...

模型的保存和读取1.tensorflow保存和读取模型：tf.train.Saver() .save()#保存模型需要用到save函数save( sess, save_path, global_step=None, latest_filename=None, meta_graph_suffix='meta', write_meta...

https://blog.csdn.net/mao_xiao_feng/article/details/73430942https://blog.csdn.net/mao_xiao_feng/article/details/73603979https://blog.csdn.net/mao_xiao_feng/article/details/73718388plt的一些函数...

import tensorflow as tf#第一个是参数名称，第二个参数是默认值，第三个是参数描述tf.app.flags.DEFINE_string('str_name', 'def_v_1',"descrip1")tf.app.flags.DEFINE_integer('int_name', 10,"descript2")tf.app.flags.DEFINE_boolean(...

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tensorboard显示。tf.summary有诸多函数：tf.summary.scalar 用来显示标量信息，其格式为：tf.summary.scalar(t...

tf.image.resize_image_with_crop_or_pad：剪裁或填充处理，会根据原图像的尺寸和指定的目标图像的尺寸选择剪裁还是填充，如果原图像尺寸大于目标图像尺寸，则在中心位置剪裁，反之则用黑色像素填充。tf.random_crop：随机地将张量裁剪为给定的大小.tf.image.random_flip_left_right：tf.image.random_flip_...

tf.ConfigProto()函数用在创建session的时候，用来对session进行参数配置：config = tf.ConfigProto(allow_soft_placement=True, allow_soft_placement=True)config.gpu_options.per_process_gpu_memory_fraction = 0.4 #占用40%显存s...