摘要：
#coding:utf-8 import tensorflow as tf import os def read_and_decode(filename): #根据文件名生成一个队列 filename_queue = tf.train.string_input_producer([filename]) reader = tf.TFRecordReader() _,... 阅读全文
摘要：
紧接上篇Tensorflow学习教程 tfrecords数据格式生成与读取，本篇将数据读取、建立网络以及模型训练整理成一个小样例，完整代码如下。 结果如下： 阅读全文
摘要：
首先是生成tfrecords格式的数据，具体代码如下： 然后读取生成的tfrecords数据，并且将tfrecords里面的数据保存成jpg格式的图片。具体代码如下： 阅读全文
摘要：
第一种方法 opencv、requests、flask 此方法比较耗费时间 600毫秒左右 客户端代码 服务器端代码 第二种 直接利用文件传输 时间在10毫秒以内 客户端代码 服务器端代码 阅读全文
摘要：
# coding: utf-8 import tensorflow as tf import os import tarfile import requests #inception模型下载地址 inception_pretrain_model_url = 'http://download.tensorflow.org/models/image/imagenet/inception-2... 阅读全文
摘要：
首先是模型参数和网络结构的保存 结果 Iter 0, Testing Accuracy= 0.8616Iter 1, Testing Accuracy= 0.9663Iter 2, Testing Accuracy= 0.9776Iter 3, Testing Accuracy= 0.9815Ite 阅读全文
摘要：
提取保存的参数进行准确率验证 结果 初始化后没有经过训练的参数准确率低 训练后从模型中提取的参数准确率高 阅读全文
摘要：
tensorboard可以将训练过程中的一些参数可视化，比如我们最关注的loss值和accuracy值，简单来说就是把这些值的变化记录在日志里，然后将日志里的这些数据可视化。 首先运行训练代码 注意我将训练日志保存在 /home/xxx/logs/ 路径下，打开终端，输入以下命令 tensorboa 阅读全文