参考:https://www.jianshu.com/p/1ed2d9ce6a88 安装 安装conda+tensorflow库 下载protoc linux x64版,https://github.com/protocolbuffers/protobuf/releases 将下载的zip文件,进入解压后的文件,将里面的bin/protoc文件复制到/usr/bin/protoc sudo cp bin/protoc /usr/bin/protoc 下载models仓库 git clone ht

本系列文章由 @yhl_leo 出品,转载请注明出处. 文章链接: http://blog.csdn.net/yhl_leo/article/details/50738311 1 CIFAR-10 数据集 CIFAR-10数据集是机器学习中的一个通用的用于图像识别的基础数据集,官网链接为:The CIFAR-10 dataset 下载使用的版本是: 将其解压后(代码中包含自动解压代码),内容为: 2 测试代码 测试代码公布在GitHub:yhlleo 主要代码及作用: 文件 作用 cifar10

参考官方仓库:https://github.com/tensorflow/models/tree/master/official/utils/flags 测试Demo代码如下: from absl import app as absl_app from absl import flags from official.utils.flags import core as flags_core flags.DEFINE_string(name="my_flag_a", default=&q

Debugging TensorFlow models Symbolic nature of TensorFlow makes it relatively more difficult to debug TensorFlow code compared to regular python code. Here we introduce a number of tools included with TensorFlow that make debugging much easier. Proba

tensorflow models api:ValueError: Tensor conversion requested dtype string for Tensor with dtype float32: 'Tensor("arg0:0", shape=(), dtype=float32, device=/device:CPU:0)' 这个原因是你的tf-record有问题哈.检查pipline里面的tfrecord.

#!/usr/bin/env python # Copyright 2016 Google Inc. All Rights Reserved. # # Licensed under the Apache License, Version 2.0 (the "License"); # you may not use this file except in compliance with the License. # You may obtain a copy of the License

1.ubuntu版本的选择:看了很多博文,建议使用ubuntu14,稳定兼容性好. 2.tensorflow的安装: http://wiki.jikexueyuan.com/project/tensorflow-zh/get_started/introduction.html 这里详细介绍了如何进行安装,本人是选择的第一个方法,成功安装完成. 后面打算尝试下docker进行安装tensorflow和caffe. 3.测试tensorflow安装是否成功: http://blog.csdn.net

感觉这个比前一套,容易理解些~~ 关于数据提前下载的问题: https://www.jianshu.com/p/5116046733fe 如果使用keras的cifar10.load_data()函数,你会发现,代码会自动去下载 cifar-10-python.tar.gz 文件实际上,通过查看cifar10.py和site-packages/keras/utils/data_utils.py的get_file函数,你会发现,代码将将下载后的文件存放在 -./keras/datasets目录下,

Traceback (most recent call last): File "object_detection/builders/model_builder_test.py", line 21, in <module> from object_detection.builders import model_builderModuleNotFoundError: No module named 'object_detection' 有下面2个方法可以解决: 1.就是obj

这个random_image_scale应该是改变整个图片的大小,而不是“box”图片的大小

"Speed/accuracy trade-offs for modern convolutional object detectors." Huang J, Rathod V, Sun C, Zhu M, Korattikara A, Fathi A, Fischer I, Wojna Z, Song Y, Guadarrama S, Murphy K, CVPR 2017 ------------------------------------ 本文为作者原创,转载请注明出处(ht

1.开发环境搭建 ①.安装Anaconda 建议选择 Anaconda3-5.0.1 版本,已经集成大多数库,并将其作为默认python版本(3.6.3),配置好环境变量(Anaconda安装则已经配好).也可以直接安装python,安装各种包比较麻烦,因此直接装了Anaconda集成环境. 安装完Anaconda后,打开Anaconda Prompt,逐个输入conda --version和python --version,出现下图所示内容则安装成功. ②.安装TensorFlow 如果是初学

[软件环境搭建] 操作系统:windows 10 64位 内存:8G CPU:I7-6700 Tensorflow: 1.4 Python:3.5 Anaconda3 (64-bit) 以上环境搭建请自行到百度查阅教程. [API环境搭建] 1.下载Tensorflow object detection API 下载地址:https://github.com/tensorflow/models 由于Github有时会下载失败,小编特地上传了API至百度云盘供大家下载:https://pan.ba

1.环境安装配置 1.1 安装tensorflow 安装tensorflow不再仔细说明,但是版本一定要是1.9 1.2 下载Tensorflow object detection API  下载地址:https://github.com/tensorflow/models 1.3 Protobuf 的安装与配置 (1)下载地址:https://github.com/google/protobuf/releases (2)选择python3.4.0版本,解压后将bin文件夹中的[protoc.e

0.说明 在Google开源该框架之后便使用真实K40m卡测试,由于生产环境是CentOS6.6的操作系统,但是该框架需要在Python2.7环境下执行,CentOS6.6下折腾了一天没搞定,后来换成CentOS7,顺利跑通 1.系统环境 python >=2.7 numpy >=1.9 gcc >=4.8.2 cuda 7.0 java >=1.8 cudnn 6.5 v2 2.安装部署   #安装依赖,kernel-devel是为了安装cuda yum -y install g

参考: https://blog.csdn.net/dy_guox/article/details/79081499 https://blog.csdn.net/u010103202/article/details/79899293 https://www.jianshu.com/p/4ebaa78e0233 一.开发环境搭建 操作系统:Windows10 64位 TensorFlow:1.8 python:3.5 1.安装tensorflow_gpu版本的环境: 1)安装.Net Framew

主要是四个文件 mnist_train.py #coding: utf-8 import os import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data import mnist_inference BATCH_SIZE = 100 LEARNING_RATE_BASE = 0.8 LEARNING_RATE_DECAY = 0.99 REGULARAZTION_RATE = 0.0001

在tensorflow文件夹里进行鼠标右键 点击 选择 Git Bash here(注意:这里的tensorflow路径可以这样来查看,在cmd命令行激活tensorflow环境activate tensorflow,然后进入Python,>>import tensorflow    >>tensorflow,即可查看tensorflow路径(是在site-packages路径下的!!!)) git clone --recurse-submodules https://github

tensorflow中models的安装参看网址: 1. Tensorflow Object Detection API Windows Install Guide http://www.insightsbot.com/blog/1KYUd3/tensorflow-object-detection-api-windows-install-guide 2. TensorFlow Models Installation https://tensorflow-object-detection-api-

一.mnist数据 深度学习的入门实例,一般就是mnist手写数字分类识别,因此我们应该先下载这个数据集. tensorflow提供一个input_data.py文件,专门用于下载mnist数据,我们直接调用就可以了,代码如下: import tensorflow.examples.tutorials.mnist.input_data mnist = input_data.read_data_sets("MNIST_data/", one_hot=True) 执行完成后,会在当前目录下