Tag: 张量

更快的RCNN TensorFlow

有没有人实施TensorFlow版本的FRCNN？ 我发现一些相关的回购如下： 实现roi pool层 基于py-faster-rcnn回购实现快速RCNN 但是1：假设roi pooling的工作原理（我还没有尝试过），还有一些需要实现的东西如下： ROI数据层，例如roidb 。 线性回归例如SmoothL1Loss 投资回报池层次后端处理，用于端到端培训，将ROI池层结果转换为CNN分类器。 对于2：em ….似乎基于py-faster-rcnn，它基于Caffe准备预处理（例如roidb）并将数据馈入Tensorflow以训练模型，这似乎很奇怪，所以我可能不会尝试它。 那么我想知道的是， 未来Tensorflow会支持更快的RCNN吗？ 如果没有，我是否有上述的误解？ 或有任何回购或某人的支持？

TensorFlow：InternalError：Blas SGEMM启动失败

当我运行sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys})我得到InternalError: Blas SGEMM launch failed 。 这是完整的错误和堆栈跟踪： InternalErrorTraceback (most recent call last) <ipython-input-9-a3261a02bdce> in <module>() 1 batch_xs, batch_ys = mnist.train.next_batch(100) —-> 2 sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys}) /usr/local/lib/python2.7/dist-packages/tensorflow/python/client/session.pyc in run(self, fetches, feed_dict, options, run_metadata) 338 try: 339 result = self._run(None, fetches, feed_dict, options_ptr, –> 340 run_metadata_ptr) 341 if run_metadata: 342 proto_data […]

张量stream的tf.nn.max_pool中的“SAME”和“VALID”填充有什么区别？

张量tf.nn.max_pool的tensorflow “SAME”和“VALID”填充有tf.nn.max_pool tensorflow ？ 在我看来，“有效”意味着当我们做最大的游泳池时，边缘之外不会有零填充。 根据“深度学习卷积algorithm指南”的说法，池运算符中没有填充，即只使用张量stream的“VALID”。 但是在张量tensorflow中最大池的“SAME”填充是什么？

在pip中找不到张量stream

我正试图安装tensorflow pip install tensorflow –user Collecting tensorflow Could not find a version that satisfies the requirement tensorflow (from versions: ) No matching distribution found for tensorflow 我究竟做错了什么？ 到目前为止，我已经使用Python和点子，没有问题。