Tag: tensorflow

禁用Tensorflowdebugging信息: 通过debugging信息，我的意思是什么TensorFlow显示在我的terminal有关加载库和发现设备等不是python错误。 I tensorflow/stream_executor/dso_loader.cc:105] successfully opened CUDA library libcublas.so locally I tensorflow/stream_executor/dso_loader.cc:105] successfully opened CUDA library libcudnn.so locally I tensorflow/stream_executor/dso_loader.cc:105] successfully opened CUDA library libcufft.so locally I tensorflow/stream_executor/dso_loader.cc:105] successfully opened CUDA library libcuda.so.1 locally I tensorflow/stream_executor/dso_loader.cc:105] successfully opened CUDA library libcurand.so locally I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:900] successful NUMA node read from SysFS had negative value (-1), but there […]

如何在Windows上安装TensorFlow？: 我开始与TensorFlow库进行深入的学习， https: //www.tensorflow.org/。我发现一个明确的指导，在Linux和Mac上工作，但我没有find如何在Windows下使用它。我尝试了networking，但信息是缺乏的。我为我的项目使用Visual Studio 2015，并试图用Visual Studio编译器VC14编译库。如何安装并在Windows下使用它？我可以在Windows上使用Bazel进行生产吗？

如何判断tensorflow是否从python shell里面使用gpu加速？: 我已经在我的ubuntu 16.04安装了tensorflow使用第二个答案在这里与Ubuntu的内置apt cuda安装。现在我的问题是如何testingtensorflow是否真的使用GPU？我有一个gtx 960m gpu。当我import tensorflow这是最重要的 I tensorflow/stream_executor/dso_loader.cc:105] successfully opened CUDA library libcublas.so locally I tensorflow/stream_executor/dso_loader.cc:105] successfully opened CUDA library libcudnn.so locally I tensorflow/stream_executor/dso_loader.cc:105] successfully opened CUDA library libcufft.so locally I tensorflow/stream_executor/dso_loader.cc:105] successfully opened CUDA library libcuda.so.1 locally I tensorflow/stream_executor/dso_loader.cc:105] successfully opened CUDA library libcurand.so locally 这个输出是否足以检查tensorflow是否使用gpu？

用TensorFlow模型进行预测: 我遵循给定的mnist教程，并能够训练模型并评估其准确性。然而，这些教程并没有展示如何根据模型进行预测。我对准确度不感兴趣，我只是想使用模型来预测一个新的例子，并在输出中看到所有的结果（标签），每个结果（分配或不分类）。

Numpy和Tensorflow中的np.mean和tf.reduce_mean之间的区别？: 在MNIST初学者教程中，有accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float")) tf.cast基本上改变了对象的张量types，但是tf.reduce_mean和np.mean什么np.mean呢？这里是关于tf.reduce_mean的文档： reduce_mean(input_tensor, reduction_indices=None, keep_dims=False, name=None) input_tensor: The tensor to reduce. Should have numeric type. reduction_indices: The dimensions to reduce. If `None` (the defaut), reduces all dimensions. # 'x' is [[1., 1. ]] # [2., 2.]] tf.reduce_mean(x) ==> 1.5 tf.reduce_mean(x, 0) ==> [1.5, 1.5] tf.reduce_mean(x, 1) ==> [1., 2.] 对于一维vector，它看起来像np.mean […]

TensorFlow中variable_scope和name_scope之间的区别: variable_scope和name_scope什么name_scope ？ variables范围教程讲述了隐式打开name_scope variable_scope name_scope 。我还注意到，在name_scope中创build一个variablesname_scope自动扩展其名称的范围名称。那么区别是什么呢？

我如何启动tensorflow泊坞窗jupyter笔记本: 我已经在一台Ubuntu机器上安装了tensorflow docker容器。 tensorflowdocker设置指令指定： docker run -it b.gcr.io/tensorflow/tensorflow 这使我进入docker集装箱docker，我可以运行python并执行Hello World示例。我也可以手动运行。\ run_jupyter.sh启动jupyter笔记本。但是，我无法从主机到达笔记本。如何启动jupyter笔记本电脑，以便我可以从主机使用笔记本电脑？理想情况下，我想使用docker启动容器，并启动一个单一的命令jupyter。

TensorFlow中的variables和get_variable之间的区别: 据我所知， Variable是制作variables的默认操作， get_variable主要用于权重分享。一方面，有一些人build议使用get_variable而不是原始的Variable操作，只要你需要一个variables。另一方面，我只是在TensorFlow的官方文档和演示中看到使用get_variable 。因此，我想知道如何正确使用这两种机制的一些经验法则。有没有“标准”的原则？

如何在TensorFlow上进行Xavier初始化: 我将我的Caffenetworking移植到TensorFlow，但似乎没有xavier初始化。我正在使用truncated_normal但是这似乎使得它更难以训练。

TensorFlow中tf.app.flags的用途是什么？: 我正在阅读Tensorflow中的一些示例代码，我发现下面的代码 flags = tf.app.flags FLAGS = flags.FLAGS flags.DEFINE_float('learning_rate', 0.01, 'Initial learning rate.') flags.DEFINE_integer('max_steps', 2000, 'Number of steps to run trainer.') flags.DEFINE_integer('hidden1', 128, 'Number of units in hidden layer 1.') flags.DEFINE_integer('hidden2', 32, 'Number of units in hidden layer 2.') flags.DEFINE_integer('batch_size', 100, 'Batch size. ' 'Must divide evenly into the dataset sizes.') flags.DEFINE_string('train_dir', 'data', 'Directory to put […]