常见的问题

使用print（tensor）时，中间有省略号。。解决如下

import tensorflow as tf
import numpy as np

np.set_printoptions(threshold=np.inf)

---

tensorflow中屏蔽输出的log信息方法

TF_CPP_MIN_LOG_LEVEL 取值 0 ： 0也是默认值，输出所有信息
TF_CPP_MIN_LOG_LEVEL 取值 1 ： 屏蔽通知信息
TF_CPP_MIN_LOG_LEVEL 取值 2 ： 屏蔽通知信息和警告信息
TF_CPP_MIN_LOG_LEVEL 取值 3 ： 屏蔽通知信息、警告信息和报错信息

import tensorflow as tf
import os
os.environ[‘TF_CPP_MIN_LOG_LEVEL’] = ‘0’
#os.environ[‘TF_CPP_MIN_LOG_LEVEL’] = ‘1’
#os.environ[‘TF_CPP_MIN_LOG_LEVEL’] = ‘2’
#os.environ[‘TF_CPP_MIN_LOG_LEVEL’] = ‘3’

---

pip install tensorflow_gpu-1.14.0-cp37-cp37m-win_amd64.whl.whl

遇到：setuptools 版本太低
pip install --upgrade setuptools

遇到：Cannot uninstall ‘wrapt’. It is a distutils installed project and thus we cannot accurately determine which files belong to it which would lead to only a partial uninstall.
conda update --all
conda remove wrapt
or
pip install -U --ignore-installed wrapt enum34 simplejson netaddr

---

程序报错说找不到cudart64_100.dll
CUDA版本不对，
卸载CUDA

1. 留下：NVIDIA的图形驱动程序、NVIDIA Physx系统软件，如果你有这2个软件，就别卸载。
2. 其他都卸载掉。
3. 重新安装。

---

ModuleNotFoundError: No module named 'numpy.core._multiarray_umath’

更新numpy的版本
pip install --upgrade numpy
或
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple --upgrade numpy

---

解决python调用TensorFlow时出现FutureWarning: Passing (type, 1) or ‘1type’ as a synonym of type is deprecate

最后发现，可以在pycharm中使用Import tensorflow，然后将点进出现的警告，进入dtype.py，修改对应行的代码，把np.dtype([(“quint8”, np.uint8, 1)])修改为np.dtype([(“quint8”, np.uint8, (1,))])就完美解决了
from：https://blog.csdn.net/bigdream123/article/details/99467316

D:\Anaconda3\Lib\site-packages\tensorflow\python\framework\dtypes.py
D:\Anaconda3\Lib\site-packages\tensorboard\compat\tensorflow_stub\dtypes.py

---

错误调试：failed to allocate 4.75G (5102921216 bytes) from device: CUDA_ERROR_OUT_OF_MEMORY

1）需要指定GPU，代码头部添加如下代码：

import os
os.environ[“CUDA_VISIBLE_DEVICES”] = “1”

2）限制当前脚本可用显存，代码头部添加第一行，session 语句进行如第二行的修改

gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.333)
sess = tf.Session(config=tf.ConfigProto(gpu_options=gpu_options))

---

‘‘tensorflow.python.framework.errors_impl.ResourceExhaustedError: OOM when allocating tensor with shape[?]’’ 错误分析

这是tensorflow 一个经常性错误，错误的原因在于：显卡内存不够。

解决方法就是降低显卡的使用内存，途径有以下几种措施:
1 减少Batch 的大小
2 分析错误的位置，在哪一层出现显卡不够，比如在全连接层出现的，则降低全连接层的维度，把2048改成1042啥的
3 增加pool 层，降低整个网络的维度。
4 修改输入图片的大小

---