分类：TensorFlow

2020
10-08

解决tensorflow读取本地MNITS_data失败的原因

MNITS_data下载保存在本地，一定不要解压！不要解压！不要解压！因为input_data读取的是压缩包>>>importtensorflowastf>>>fromtensorflow.examples.tutorials.mnistimportinput_data>>>input_data.read_data_stes("/home/wd/MNIST_data",one_hot=True)WARNING:tensorflow:From<stdin>:1:read_data_sets(fromtensorflow.contrib.learn.python.learn.datasets.mnist)isdeprecatedandwillberemovedinafuturevers... 继续阅读 >

2020
10-08

基于Tensorflow读取MNIST数据集时网络超时的解决方式

最近在学习TensorFlow，比较烦人的是使用tensorflow.examples.tutorials.mnist.input_data读取数据fromtensorflow.examples.tutorials.mnistimportinput_datamnist=input_data.read_data_sets('/temp/mnist_data/')X=mnist.test.images.reshape(-1,n_steps,n_inputs)y=mnist.test.labels时，经常出现网络连接错误解决方法其实很简单，这里我们可以看一下input_data.py的源代码（这里截取关键部分）defmaybe_download(f... 继续阅读 >

2020
10-08

tensorflow/core/platform/cpu_feature_guard.cc:140] Your CPU supports instructions that this T

遇到了这个问题，意思是你的CPU支持AVXAVX2（可以加速CPU计算），但你安装的TensorFlow版本不支持解决：1.如果是初学者或者没有太大计算速度的需求，在开头加上这两行忽略这个提示即可importosos.environ['TF_CPP_MIN_LOG_LEVEL']='2'说明：os.environ["TF_CPP_MIN_LOG_LEVEL"]='1'#默认，显示所有信息os.environ["TF_CPP_MIN_LOG_LEVEL"]='2'#只显示warning和Erroros.environ["TF_CPP_MIN_LOG_LEVEL"]=... 继续阅读 >

2020
10-08

Tensorflow与Keras自适应使用显存方式

Tensorflow支持基于cuda内核与cudnn的GPU加速，Keras出现较晚，为Tensorflow的高层框架，由于Keras使用的方便性与很好的延展性，之后更是作为Tensorflow的官方指定第三方支持开源框架。但两者在使用GPU时都有一个特点，就是默认为全占满模式。在训练的情况下，特别是分步训练时会导致显存溢出，导致程序崩溃。可以使用自适应配置来调整显存的使用情况。一、Tensorflow1、指定显卡代码中加入importosos.environ["CUDA_VISIBLE_DEVI... 继续阅读 >

2020
10-08

tensorflow 2.0模式下训练的模型转成 tf1.x 版本的pb模型实例

升级到tf2.0后,训练的模型想转成1.x版本的.pb模型,但之前提供的通过ckpt转pb模型的方法都不可用(因为保存的ckpt不再有.meta)文件,尝试了好久,终于找到了一个方法可以迂回转到1.x版本的pb模型.Note:本方法首先有些要求需要满足:可以拿的到模型的网络结构定义源码网络结构里面的所有操作都是通过tf.keras完成的,不能出现类似tf.nn的tensorflow自己的操作符tf2.0下保存的模型是.h5格式的,并且仅保存了weights,即通过model.sa... 继续阅读 >

2020
10-08

关于Theano和Tensorflow多GPU使用问题

我使用的是tensorflow-gpu(1.2.1)和Theano(0.9.0)，2个4G显存NvidiaQuadroM2000GPU。1.theano:ValueError:CouldnotinfercontextfrominputsTHEANO_FLAGS="contexts=dev0->cuda0;dev1->cuda1,gpuarray.preallocate=0.95,mode=FAST_RUN,floatX=float32,on_unused_input=warn"pythonconfig.pyERROR(theano.gof.opt):SeqOptimizerapply<theano.gpuarray.opt.GraphToGPUobjectat0xdfe69210>ERROR:SeqOptimizerap... 继续阅读 >

2020
10-08

keras实现theano和tensorflow训练的模型相互转换

我就废话不多说了，大家还是直接看代码吧~</pre><precode_snippet_id="1947416"snippet_file_name="blog_20161025_1_3331239"name="code"class="python">#coding:utf-8"""Ifyouwanttoloadpre-trainedweightsthatincludeconvolutions(layersConvolution2DorConvolution1D),bemindfulofthis:TheanoandTensorFlowimplementconvolutionindifferentways(TensorFlowactuallyimplementscorrelation,muc... 继续阅读 >

2020
10-08

Keras 切换后端方式(Theano和TensorFlow)

实验室新装了keras，发现keras默认后端是tensorflow，想换回theano，看了官方文档也没搞懂，最终搞定，很简单。中文文档的描述：keras中文文档，切换后端其实就是在C:\Users\75538（75538是我的windos用户名字，找你对应的用户名就行）下有个文件夹.keras，里面有keras.json文件，改一下里面的内容就好了，如果没有文件夹和文件，手动创建就行。用theano的话，keras.json写入{"image_dim_ordering":"th","epsilon":1e-07,"f... 继续阅读 >

2020
10-08

在tensorflow以及keras安装目录查询操作(windows下)

安装anaconda后查询CPU版本时打开AnacondaPrompt输入python然后输入importtensorflowastftf.__path__即可查询cpu版本tensorflow目录位置，需要注意的是此处path两侧均为双下划线。查询GPU版本时打开AnacondaPrompt(tensorflow-gpu)输入python然后输入importtensorflowastftf.__path__即可至于keras的目录输入fromtensorflowimportkeraskeras.__path__即可~补充知识：keras文件存放的目录win10的路径为C:\Users\user_na... 继续阅读 >

2020
10-08

tensorflow之读取jpg图像长和宽实例

有时需要读取jpg图像的长和宽，tensorflow提供了很好的支持直接上示例decode_jpeg_data=tf.placeholder(dtype=tf.string)decode_jpeg=tf.image.decode_jpeg(decode_jpeg_data,channels=3)image_data=tf.gfile.FastGFile("C:/Users/shenwei/Desktop/timg.jpg",'rb').read()print(len(image_data))withtf.Session()assess:image=sess.run(decode_jpeg,feed_dict={decode_jpeg_data:image_data})print(image.shape... 继续阅读 >

2020
10-08

关于tf.matmul() 和tf.multiply() 的区别说明

我就废话不多说了，大家还是直接看代码吧~flyfish#a#[[1,2,3],#[4,5,6]]a=tf.constant([1,2,3,4,5,6],shape=[2,3])#b1#[[7,8],#[9,10],#[11,12]]b1=tf.constant([7,8,9,10,11,12],shape=[3,2])#b2#[[789]#[101112]]b2=tf.constant([7,8,9,10,11,12],shape=[2,3])#c矩阵相乘第一个矩阵的列数（column）等于第二个矩阵的行数（row）#[[58,64],#[139,154]]c=tf.matmul... 继续阅读 >

2020
10-08

浅谈keras中的batch_dot,dot方法和TensorFlow的matmul

概述在使用keras中的keras.backend.batch_dot和tf.matmul实现功能其实是一样的智能矩阵乘法，比如A,B,C,D,E,F,G,H，I,J,K,L都是二维矩阵，中间点表示矩阵乘法，AG表示矩阵A和G矩阵乘法（A的列维度等于G行维度），WX=Zimportkeras.backendasKimporttensorflowastfimportnumpyasnpw=K.variable(np.random.randint(10,size=(10,12,4,5)))k=K.variable(np.random.randint(10,size=(10,12,5,8)))z=K.batch_dot(w,k)... 继续阅读 >

2020
10-08

Tensorflow之MNIST CNN实现并保存、加载模型

本文实例为大家分享了Tensorflow之MNISTCNN实现并保存、加载模型的具体代码，供大家参考，具体内容如下废话不说，直接上代码#TensorFlowandtf.kerasimporttensorflowastffromtensorflowimportkeras#Helperlibrariesimportnumpyasnpimportmatplotlib.pyplotaspltimportos#downloadthedatamnist=keras.datasets.mnist(train_images,train_labels),(test_images,test_labels)=mnist.load_data()class... 继续阅读 >

2020
10-08

基于TensorFlow的CNN实现Mnist手写数字识别

本文实例为大家分享了基于TensorFlow的CNN实现Mnist手写数字识别的具体代码，供大家参考，具体内容如下一、CNN模型结构输入层：Mnist数据集（28*28）第一层卷积：感受视野5*5，步长为1，卷积核：32个第一层池化：池化视野2*2，步长为2第二层卷积：感受视野5*5，步长为1，卷积核：64个第二层池化：池化视野2*2，步长为2全连接层：设置1024个神经元输出层：0~9十个数字类别二、代码实现importtensorflowastf#Tens... 继续阅读 >

2020
10-08

基于Tensorflow的MNIST手写数字识别分类

本文实例为大家分享了基于Tensorflow的MNIST手写数字识别分类的具体实现代码，供大家参考，具体内容如下代码如下：importtensorflowastfimportnumpyasnpfromtensorflow.examples.tutorials.mnistimportinput_datafromtensorflow.contrib.tensorboard.pluginsimportprojectorimporttimeIMAGE_PIXELS=28hidden_unit=100output_nums=10learning_rate=0.001train_steps=50000batch_size=500test_data_size=... 继续阅读 >

2020
10-08

在tensorflow下利用plt画论文中loss,acc等曲线图实例

直接上代码：fig_loss=np.zeros([n_epoch])fig_acc1=np.zeros([n_epoch])fig_acc2=np.zeros([n_epoch])forepochinrange(n_epoch):start_time=time.time()#trainingtrain_loss,train_acc,n_batch=0,0,0forx_train_a,y_train_ainminibatches(x_train,y_train,batch_size,shuffle=True):_,err,ac=sess.run([train_op,loss,acc],feed_dict={x:x_train_a,y_:y_train_a})train_loss+=err;train_ac... 继续阅读 >