随笔分类 - tensorflow
摘要：我看了很多博客，也看了一些github大神的源码，很多基于一个版本改写而成。会将代码分成很多小.py文件，如建立YOLO3网络模块就会用一个.py文件， 如建立共用iou计算就会放在utils.py文件里，这让很多学习者，无从适应。我也为此困惑过，因此我将自己写的代码贡献在博客中，希望给你们有一些帮
阅读全文
摘要：tf.random_shuffle(value, seed=None, name=None) 函数就是随机地将张量沿第一维度打乱 value：将被打乱的张量. seed：一个 Python 整数.用于为分布创建一个随机种子. name：操作的名称. 代码如下：import tensorflow as
阅读全文
摘要：tf.where()的使用，该函数会返回满足条件的索引。经验证，发现返回均是二维矩阵，可以说明该函数用二维矩阵给出满足条件的位置索引。（若有错误，欢迎指正。）代码如下：import tensorflow as tfsess=tf.Session()import numpy as npprint('验
阅读全文
摘要：tf.argmax(input,axis)根据axis取值的不同返回每行或者每列最大值的索引。代码如下： import tensorflow as tfimport numpy as npsess=tf.Session()a = np.array([[1, 2, 3], [2, 3, 4], [5,
阅读全文
摘要：import tensorflow as tfimport numpy as npsess=tf.Session()a=np.ones((5,6))c=tf.cast(tf.reduce_sum(a, axis=1),tf.bool) # tf.reduce_sum 表示按照axis方向求和c=se
阅读全文
摘要：import tensorflow as tfimport numpy as npimport cv2 as cvimport matplotlib.pyplot as pltsess=tf.Session()name='../main/0.jpg' # 相对位置img=tf.read_file(n
阅读全文
摘要：我使用tensorboard继续做了标量展示与直方图展示，在一的基础做了拓展，其改写代码如下： import numpy as npimport tensorflow as tfimport random# x_img = np.array(np.ones((5,784)))y_lable = np
阅读全文
摘要：我使用tensorboard中的graph做了展示，至于其它功能可以类推，其代码如下： import numpy as npimport tensorflow as tfx_img = np.array(np.ones((5,784))) # 自己编造的图片数据y_lable = np.array(
阅读全文
摘要：版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。本文链接：https://blog.csdn.net/dcrmg/article/details/79091941 tf.ConfigProto()函数用在创建session的时候，用来对sess
阅读全文
摘要：def draw_bbox(image, bboxes, class_i, show_label=True): # 将中心点坐标与w，h通过变化为左上角与右下角坐标 bboxes_change = np.copy(bboxes) bboxes[:,0:2]=bboxes_change[:,0:2]-0.5*bboxes_change[:,2:4] bboxes[:, 0:2] = bboxes_c
阅读全文
摘要：补充：
阅读全文
摘要：def image_preporcess(image, target_size, gt_boxes=None): image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB).astype(np.float32) ih, iw = target_size h, w,
阅读全文
摘要：一 .tf.variable() 在模型中每次调用都会重建变量，使其存储相同变量而消耗内存，如： def repeat_value(): weight=tf.variable(tf.random_normal([5,5,6]),name='weight') return weight 如果多次调用函
阅读全文
摘要：1. 模型参数的保存：
阅读全文
摘要：1. tf.global_variables_initializer() 可以初始化所有变量。 2. tf.variables_initializer([var_list]) 仅初始化列表var_list种的值。 报错结果： 正确结果： 3. 变量重复赋值并未报错，其结果如下： 此点证实模型参数可以
阅读全文
摘要：线性soft-nms: 高斯nms：
阅读全文
摘要：正确的做法：
阅读全文
摘要：总结：二者用法一致。a=np.array([[[[10,8,3,9],[5,6,7,8]]],[[[1,2,3,4],[5,6,7,8]]],[[[1,2,3,4],[5,6,7,8]]]] )print('a=',a)print('a.shape=',a.shape)c=np.minimum(a[...,:2], a[...,2:]) # 说明在对应位置找最小值print('c=',c)pri...
阅读全文
摘要：import numpy as npimport tensorflow as tfsess=tf.Session()a=np.zeros((1,2,3,4))b=np.ones((1,2,3,4))c1 = tf.concat([a, b], axis=-1) # 倒数第一维度增加，其它不变d1=sess.run(c1)print('d1=',d1)print('d1.shape=',d1.sha
阅读全文
摘要：sess=tf.Session()a=np.array([1,2,3,5.]) # 此代码保留为浮点数a1=np.array([1,2,3,5]) # 此代码保留为整数 c=tf.reduce_mean(a)d=sess.run(c)print(a)print(d)c1=tf.reduce_mean(a1)d1=sess.run(c1)print(a1)print(d1) 总结：tf.re...
阅读全文
