GPU环境的配置 在深度学习中，模型往往很复杂，数据量很大，此时使用GPU运行会快很多。而使用GPU就需要安装CUDA和CuDNN。本文是为了使用tensorflow的gpu版本而使用的GPU。 （1）GPU的配置 首先，要使用TensorFlow的GPU，需要达到的硬件前提：显卡类型是NVIDIA，显卡的计算能力要至少达到3.0。 可以在下面的网站查看： https://developer.nv
转载
2024-03-03 21:09:24
65阅读
1.gcc/g++降级Ubuntu18.04自带的gcc/g++是7.0版本的，但cuda不支持这么高版本，我们需要安装4.8版本。 1.下载安装4.8版本的gcc/g++sudo apt-get install gcc-4.8
sudo apt-get install g++-4.82.让gcc软连接至4.8版本的gcc，g++软连接至4.5版本的g++装完后进入到/usr/bin目
转载
2024-05-30 09:44:00
226阅读
python -c 'import tensorflow as tf; print(tf.__version__)' # for Python 2 python3 -c 'import tensorflow as tf; print(tf.__version__)' # for Python 3
原创
2022-07-15 17:24:55
583阅读
距离Tensorflow的1.2.1版本发布才过去一个月，但新发布的1.3版本已经包含了诸多更新。开发者可以在Tensorflow Github页找到完整的发布报告。本文则会概述开发者在升级到1.3版本之前和之后应知晓的最重要变化。\\ 从cuDNN 5.1到cuDNN 6\\ 开发者要从1.2.1升级到1.3，还需要升级系统中的cuDNN版本。1.3的编译版本是用NVIDIA的cuDNN 6
转载
2024-05-22 08:13:09
78阅读
翻译自：https://danijar.com/structuring-your-tensorflow-models/装饰器定义Python装饰器装饰器是一种设计模式, 可以使用OOP中的继承和组合实现, 而Python还直接从语法层面支持了装饰器. 装饰器可以在不改变函数定义的前提下, 在代码运行期间动态增加函数的功能, 本质上就是将原来的函数与新加的功能包装成一个新的函数wrapper, 并让
文章目录深度学习介绍Tensorflow1、图（op+tensor）2、会话3、张量 深度学习介绍（1）介绍：深度学习，如深度神经网络、卷积神经网络和递归神经网络已被应用 计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域 并获取了极好的效果。（2）深度学习框架Tensorflow（1）认识Tensorflow （2）Tensorflow特点真正的可移植性 引入各种计算设备的支持包括
本章提供了tensorflow模型常用的一些处理方法，包括：tensorboard查看ckpt网络结构tensorboard查看pb网络结构ckpt模型转pb模型pb模型转pbtxt文件测试pb模型pb模型转tflite模型测试tflite模型h5模型转pb模型测试caffe模型1.1 查看ckpt网络结构_v1.py运行脚本在控制台输入命令：tensorboard --logdir=d:/log
转载
2024-04-05 19:49:01
346阅读
windows10 安装 anaconda CPU版本 tensorflow（附安装包，一次成功！）一、前言今天装tensorflow遇到各种问题，真的装的很蛋疼，装了好几个小时，最后终于装好了。这里我总结了装tensorflow的方法。我安装的是anaconda3-4.2.0 包含的python3.5 对应的tensorflow安装的是tensorflow 1.2.1 链接：https://pa
转载
2024-06-07 10:50:11
54阅读
文章目录TensorFlow Python API 升级实用程序Report注意事项测试 没有在 API 文档查看到过关于 tensorflow 版本直接切换的内容，在 tensorflow git 上倒是有介绍 版本升级的工具。自己试了一下发现能解决比较多的问题，但是仍然有一些需要手动修改，比如被移出 tf 的模块。 TensorFlow Python API 升级实用程序允许升级现有的 T
转载
2024-03-15 09:52:47
31阅读
本章的前期工作以及神经网络的搭建：一、可视化界面设计 使用 tkinter来设计可视化界面1.新建窗体from tkinter import Label, Menu, DoubleVar, Button, Tk, filedialog
window = Tk() # 创建窗口
window.title("用户页面") # 窗口标题
window.geo
转载
2024-06-26 10:22:13
29阅读
一、自定义权值tf.nn.conv2d基于输入X: [batch_size,高，宽，通道数] 和卷积核W: [卷积核大小，卷积核大小 ，输入通道数，卷积核数量] 进行卷积运算，得到输出 O [batch_size，新的高，新的宽，卷积核数量] import tensorflow as tf
x = tf.random.normal([2,5,5,3]) # 模拟输入，3 通道，
转载
2024-04-13 09:28:39
22阅读
是一个通过计算图的形式来表述计算的编程系统。其中的Tnesor,代表它的数据结构，而Flow代表它的计算模型。TensorFlow中的每一个计算都是计算图上的一个节点，而节点之间的线描述了计算之间的依赖关系。 在TensorFlow程序中，系统会自动维护一个默认的计算图，通过tf.get_default_gragh函数可以获取当前默认的计算图。除了默认的计算图，TensorFlow也支持通过tf
转载
2024-02-29 16:23:52
32阅读
TensorFlow有CPU版本和GPU版本之分，CPU版本安装相对简单，按着TensorFlow的官方文档进行安装即可。但CPU版本只能使用CPU进行计算，计算效率低。对于简单的模型计算可以使用CPU模式，但对于复杂的模型训练就需要GPU的支持了。GPU版本安装方式TensorFlow的GPU版本有两种安装方式：源码编译安装这种方式灵活性最强，但这种方式不但会涉及TensorFlo
转载
2024-03-08 09:04:36
42阅读
tensorflow由于谷歌的原因，不同的版本有时候改动比较大，所以决定好自己想使用的版本后就不要轻易更改，免得后续移植程序的时候出现很多错误。 本文以及后续文章关于tensorflow的学习和开发选在windows 10 平台上，使用python。不管是python还是tensorflow，网上都有很多安装方式，但是最简单快捷的应该是使用Anaconda。使用Anaconda管理环境最清晰
介绍变量之前，先对’tensor’这个单词做出解释：3. tensor文档中是这样说明的：TensorFlow 程序使用 tensor 数据结构来代表所有的数据, 计算图中, 操作间传递的数据都是 tensor. 你可以把 TensorFlow tensor 看作是一个 n 维的数组或列表. 一个 tensor 包含一个静态类型 rank, 和 一个 shape. 4. 变量变量维护图执行过程中
全文共8094字，预计学习时长30分钟或更长 图片来源：pexels.com/@pixabayTensorFlow是谷歌2015年开源的通用高性能计算库。最初主要是为构建神经网络(NNs)提供高性能的API。然而，随着时间的推移和机器学习(ML)社区的兴起，TensorFlow已经发展为一个完整的机器学习生态系统。 TensorFlow自诞生以来变化巨大。TensorFlow 2.0目前处于测试阶
Linux作为一种开源操作系统，有着广泛的应用领域。在Linux中，查看设备和USB设备是一个非常常见的操作，尤其是对于系统维护和故障排查来说至关重要。通过查看设备和USB设备，我们可以了解系统中所连接的外部设备的详细信息，从而更好地管理和维护系统。
在Linux中，有多种命令可以用来查看设备和USB设备。其中一种常用的命令是`lsusb`，它可以列出系统中当前连接的所有USB设备的详细信息。使
原创
2024-03-08 10:54:04
982阅读
前面部分很多只是笔者学习知识记录的部分并且会随着学习的深入不段增加知识，没有什么参考价值，实战部分或许更有借鉴意义。0 知识学习1 官方文档学习官方文档参考github官方文档参考1.1 相关问题学习到的知识及需要学习的知识：异步训练支持keras高阶API和自定义训练（实验需要，目前只学习keras）
jobs和tasks两个概念需要明确集群中的三个角色的分工需要了解：chief、worker、
转载
2024-07-31 12:16:59
74阅读
一、简介VGG网络在2014年的 ILSVRC localization and classification 两个问题上分别取得了第一名和第二名。VGG网络非常深，通常有16－19层，如果自己训练网络模型的话很浪费时间和计算资源。因此这里采用一种方法获取VGG19模型的模型数据，从而能够更快速的应用到自己的任务中来，本文在加载模型数据的同时，还可视化图片在网络传播过程中，每一层的输出特征图。让我
转载
2024-04-29 08:51:31
80阅读
查看是否有GPUimport tensorflow as tfgpu_device_name = tf.test.gpu_device_name()print(gpu_device_name)输出/device:GPU:0GPU是否可用# 返回True或者Falsetf.test.is_gpu_available()from tensorflow.python.client import devi
原创
2023-02-27 10:48:06
1150阅读
