随笔分类 - TensorFlow 学习
摘要：现在的深度学习框架一般都是基于 Python 来实现，构建、训练、保存和调用模型都可以很容易地在 Python 下完成。但有时候，我们在实际应用这些模型的时候可能需要在其他编程语言下进行，本文将通过直接调用 TensorFlow 的 C/C++ 接口来导入 TensorFlow 预训练好的模型。 1
阅读全文
摘要：TensorFlow 的 Python 接口由于其方便性和实用性而大受欢迎，但实际应用中我们可能还需要其它编程语言的接口，本文将介绍如何编译 TensorFlow 的 C/C++ 接口。 安装环境： Ubuntu 16.04 Python 3.5 CUDA 9.0 cuDNN 7 Bazel 0.1
阅读全文
摘要：在某些任务中，我们需要针对不同的情况训练多个不同的神经网络模型，这时候，在测试阶段，我们就需要调用多个预训练好的模型分别来进行预测。 "调用单个预训练好的模型请点击此处" 弄明白了如何调用单个模型，其实调用多个模型也就顺理成章。我们只需要建立多个图，然后每个图导入一个模型，再针对每个图创建一个会话，
阅读全文
摘要：现在的深度学习框架一般都是基于 Python 来实现，构建、训练、保存和调用模型都可以很容易地在 Python 下完成。但有时候，我们在实际应用这些模型的时候可能需要在其他编程语言下进行，本文将通过 C/C++ 间接调用 Python 的方式来实现在 C/C++ 程序中调用 TensorFlow 预
阅读全文
摘要：1. 准备预训练好的模型 TensorFlow 预训练好的模型被保存为以下四个文件 data 文件是训练好的参数值，meta 文件是定义的神经网络图，checkpoint 文件是所有模型的保存路径，如下所示，为简单起见只保留了一个模型。 2. 导入模型图、参数值和相关变量 通过 saver.rest
阅读全文
摘要：错误代码如下： _, summary, train_cost = sess.run([optimizer, merged, loss], feed_dict={ X: real_data, Y: real_label, is_training: True, iter: epoch}) 错误原因及解决
阅读全文
