随笔分类 -  tensorflow

关于安装cuda与cudnn以及tensorflow的一些总结
摘要：CUDA 1.在安装CUDA之前应该先知道自己本机显卡的驱动版本号，下载CUDA时后面都有对应的显卡驱动版本号，要对应好。 2.虽然低版本的cuda可以安装在比它高的驱动上，但不建议这样，原因是在安装其他软件的gpu版本是冷不丁就会出问题。 比如本机的驱动是435的，对应的cuda的最好版本可以通过 阅读全文
posted @ 2020-04-06 18:37 AnswerThe 阅读(477) 评论(0) 推荐(0)
Tensorflow实现LeNet5网络并保存pb模型，实现自定义的手写数字识别（附opencv-python调用代码）
摘要：关于LeNet5 LeNet-5是一个简单的卷积神经网络，是用于手写字体的识别的一个经典CNN 前向传播过程如下： INPUT层这是神经网络的输入，输入图像的尺寸统一为32×32。 C１层输入图片：32×32 卷积核大小：5×5 卷积核种类：6 输出feature map大小：28×28 神经元数量 阅读全文
posted @ 2020-03-02 21:37 AnswerThe 阅读(1467) 评论(1) 推荐(1)
Tensorflow笔记之（学习率）
摘要：学习率learning_rate: 学习率表示每次参数更新的幅度 1.而参数的更新是遵照这个公式：Wn+1 = Wn - learning_rate * ▽ Wn+1：更新后的参数 Wn：当前参数 learning_rate：学习率 ▽：损失函数的梯度（导数） 也就是参数的更新向着梯度下降的方向 那 阅读全文
posted @ 2019-09-09 11:30 AnswerThe 阅读(1114) 评论(0) 推荐(0)
docker中使用gpu（darknet-yolo，tensorflow）
摘要：（1）安装nvidia-docker nvidia-docker其实是docker引擎的一个应用插件，专门面向NVIDIA GPU，因为docker引擎是不支持NVIDIA驱动的，安装插件后可以在用户层上直接使用cuda。具体看上图。这个图很形象，docker引擎的运行机制也表现出来了，就是在系统内 阅读全文
posted @ 2019-09-07 11:03 AnswerThe 阅读(4836) 评论(1) 推荐(0)
Tensorflow笔记之（损失函数）
摘要：常用的损失函数有： 1.均方误差： tf.reduce_mean(tf.square(真实值 - 预测值)) 2.自定义损失函数： 3.交叉熵：tf.nn.softmax_cross_entropy_with_logits(lables = 真实值, logits = 预测值) 通过预测酸奶日销量与 阅读全文
posted @ 2019-09-05 17:40 AnswerThe 阅读(603) 评论(0) 推荐(0)
使用tensorflow训练模型时可能出现nan的几种情况
摘要：最近在做基于MTCNN的人脸识别和检测的项目，在训练模型的过程中总是会不定时地出现损失值为nan的情况，Debug了好久终于找到了问题所在，这里总结以下可能出现nan的几种情况： 1、在分类问题中，我们经常使用到交叉熵损失函数，需要注意的是：由于交叉熵损失函数里有对数计算，因此对数的真数部分不能为0 阅读全文
posted @ 2019-09-04 17:23 AnswerThe 阅读(1101) 评论(0) 推荐(0)
Tensorflow训练识别自定义图片
摘要：很多正在入门或刚入门TensorFlow机器学习的同学希望能够通过自己指定图片源对模型进行训练，然后识别和分类自己指定的图片。但是，在TensorFlow官方入门教程中，并无明确给出如何把自定义数据输入训练模型的方法。现在，我们就参考官方入门课程《Deep MNIST for Experts》一节的 阅读全文
posted @ 2019-09-03 15:43 AnswerThe 阅读(2158) 评论(0) 推荐(1)
从TensorFlow的mnist数据集导出手写体数字图片
摘要：在TensorFlow的官方入门课程中，多次用到mnist数据集。 mnist数据集是一个数字手写体图片库，但它的存储格式并非常见的图片格式，所有的图片都集中保存在四个扩展名为idx3-ubyte的二进制文件。 如果我们想要知道大名鼎鼎的mnist手写体数字都长什么样子，就需要从mnist数据集中导 阅读全文
posted @ 2019-09-03 14:55 AnswerThe 阅读(796) 评论(0) 推荐(0)
基于docker环境搭建tensorflow-jyputer
摘要：看官网吧 https://hub.docker.com/r/tensorflow/tensorflow 阅读全文
posted @ 2019-08-08 16:56 AnswerThe 阅读(344) 评论(0) 推荐(0)