tensorflow学习

tensorflow安装时遇到gcc: error trying to exec 'as': execvp: No such file or directory. 截止到2016年11月13号，源码编译tensorflow还不支持gcc5.4，我使用的是gcc5.3，使用bazel工具进行编译时遇到上面这个问题，解决方法，将/usr/bin/as放到/usr/local/bin/gcc，和gcc 5.3的版本同个目录下。/usr/bin/as不知道是由那个版本的GCC装上的，还是说系统自带。

---

由于服务器home目录比较小，满了，但是bazel却默认将下载包放在~/.cache中，可以做如下修改指定存放目录：

The outputRoot directory is ~/.cache/bazel. (Unless $TEST_TMPDIR is set, as in a test of bazel itself, in which case this directory is used instead.)

详细参考网站：https://www.bazel.io/versions/master/docs/output_directories.html

---

 由于bazel是自动下载所需包，感觉和java的maven一样， 有时候网络无法访问外网，可以修改tensorflow目录下的WORKSPACE和workspace.bzl中的url。可以自己将包下载到本地某个目录，/data2/package/xxx.tar.gz，然后修改url = "file:////data2/package/xxx.tar.gz"即可。

---

通过浏览器访问远程服务器的tensorboard，需要设置浏览器代理127.0.0.1端口8080，然后使用ssh命令 ssh -D 8080 dev（只适合我，dev是我配置在config的开发机的化名），参考http://askubuntu.com/questions/112177/how-do-i-tunnel-and-browse-the-server-webpage-on-my-laptop

---

 cifar10训练例子：借tensorboard分析了几种预处理的操作带来的好处，baseline是原版cifar10的例子，事实上only_crop,crop_filp,crop_filp_bright_contrast都是学习率为0.01,导致loss下降比较慢，而设置成0.1loss会发散成nan，必须做std，mean substract才能设置更高的学习率0.1，而黄色的那条线就是结果。