tensorflow相关内容
最近Google推出了TiscFlow(机器学习库),它不是为Windows搜索而分发的,并且发现可以通过Docker下载它, 我在windows 8.1机器上安装了docker,然后按照这个和这个 让事情工作,但由于我使用本地代理,所以我试图将HTTP_PROXY,HTTPS_PROXY导出到/ var / lib / boot2docker / profile文件和 现在当我运行下面的命
..
根据本文给出的教程(支持GPU),我在Ubuntu 16.04 LTS上安装了Tensorflow: Docker安装Tensorflow 通过此命令管理运行docker: nvidia-docker run -it -p 8888:8888 -v / home / myusername / notebooks:/ notebooks gcr.io/tensorflow/tensor
..
我按照方向在Google Cloud上的Docker上安装TensorFlow: http://tensorflow.org/get_started/os_setup.html#docker-based-installation 第一次,它工作并显示张量流提示。 现在我已经退出并返回,我得到这个: technologiclee @ docker-playground:〜$ do
..
我看到我们可以使用Docker安装tensorflow(使用GPU) - 这里是 TensorFlow - 其中Docker图像使用? 但是如何在没有外部网络连接的机器上执行此操作? 有没有办法首先下载张量流图像 b.gcr.io/tensorflow/tensorflow:latest -gpu:TensorFlow GPU二进制图像 然后将其复制到本地文件空间并
..
我试图在Google Cloud上的Docker上显示TensorBoard。 http://tensorflow.org/how_tos/summaries_and_tensorboard/index.md tensorboard --logdir ./ 我有Apache在Google Cloud上运行(它可能在我的第一个容器“ai-unicorn”中,Docker将其自有集装
..
这可能是一个docker noob问题,但我会很感激一些帮助。我已经在ubuntu机器上安装了tensorflow docker容器。张力流码头工程师安装说明指定: docker run -it b.gcr.io/tensorflow/tensorflow 把我放进码头集装箱码头,我可以运行python并执行Hello World的例子。我也可以手动运行.\run_jup
..
我不知道如何调试(大概是GDB)SWIG界面后的Python代码。 我可以使用 ipdb 将Tensorflow的Python代码一直执行到SWIG包装器(例如 tf_session.TF_Run 在 session.py ),但是我想调试SWIG界面后的C ++代码。 大概我用 bazel build构建Tensorflow --config debug ,但是从Python界面调用
..
我正在尝试安装Tensorflow。 为此,我创建了一个新的Debian 8 VirtualBox。按照这里的说明,我用Python 3下载并安装了Anaconda。 我为Tensorflow创建了一个conda环境并激活了它。 当尝试点击安装Tensorflow时,它失败: (tensorflow)$ pip install --ignore-installed - 升
..
我遇到了此问题中讨论的GTX 1080卡和nvidia-docker的“首次运行缓慢”问题>。 我使用的是来自其官方pip包和基于nvidia-docker的Ubuntu 16.04基本映像的自定义docker镜像。 如何使TensorFlow在Dockerfile中以编程方式加载(和构建JIT缓存)所有注册的CUDA内核? (而不是使用 TF_CUDA_COMPUTE_CAPABIL
..
我试图使用TensorFlow与GPU,并得到以下错误: I tensorflow / core / common_runtime / gpu / gpu_device.cc:838]创建TensorFlow设备(/ gpu:0) - > (device:0,名称:Tesla K20m,pci bus id:0000:02:00.0) E tensorflow / stream_exec
..
我遇到了这样发布,告诉我们如何设置代码使用队列在csv文件中读取。但是,每次我运行它,我遇到一个错误。我试过调试它,但不能弄清楚错误的意思。任何人都可以帮助我吗? 我使用的代码几乎是逐字地发布在上面的帖子: 导入张量流为tf dataset ='/Users/hdadmin/Data/actions/testing.csv' def file_len (fname):
..
请参阅下面的代码。 x = tf.placeholder(“float”,[None,80]) W = tf.Variable(tf.zeros([80,2])) b = tf.Variable(tf.zeros([2])) y = tf。 nn.softmax(tf.matmul(x,W)+ b) y_ = tf.placeholder(“float”,[None,2])
..
我已遵循教程和 csv示例显示似乎没有工作。它永远卡住... 这是代码: import tensorflow as tf filename_queue = tf.train.string_input_producer([“file0.csv”,“file1.csv”]) reader = tf.TextLineReader() key,value = reader.r
..
我尝试从CSV文件读取数据以张量流, https://www.tensorflow.org/versions/r0.7/how_tos/reading_data/index.html #filenames-shuffling-and-epoch-limits 官方文档中的示例代码如下: col1,col2,col3,col4,col5 = tf.decode_csv(value
..
这里是我使用的代码。我试图得到一个1,0,或希望一个概率的结果,一个真正的测试集。当我刚刚分割训练集并在训练集上运行它时,我得到〜93%的准确率,但是当我训练程序并运行它在实际测试集(没有1和0的填充列1 )它只返回nan。 import tensorflow as tf import numpy as np 从numpy import genfromtxt import skl
..
我对TensorFlow的世界比较陌生,对于如何实际 将CSV数据读入TensorFlow中的可用示例/标签张量非常困惑。 TensorFlow教程阅读CSV数据中的示例是非常分散的,只有你能够训练CSV数据的一部分。 这是我拼接在一起的代码,基于CSV教程: 从__future__ import print_function 导入张量流为tf def file_len(fn
..
我试图修改TensorFlow中Cifar10提供的网络结构。通常,我在第一个卷积层(conv1)之后添加了另一个卷积层(conv12)。无论我如何设置过滤器(我尝试所有1x1,3x3,5x5)和是否使用重量衰减,有一个新的层将降低到低于10%的精度。这相当于Cifar10中的随机猜测,因为有10个类。 代码结构如下,我不修改cifar的任何其他部分,除了设置输入图像的大小为48x48(而不
..
我想为自定义数据集制作一个卷积神经网络。分类器只有两个类。我能够正确地读取输入图像,并且还为它们分配了两个相应类的batch_labels。代码执行没有错误,但输出是异常的。 由于某些原因,精度始终为50%。 image = inputs() image_batch = tf.train.batch([image],batch_size = 150) label_batch_po
..
我的目标是用TensorFlow做大事,但我想从小开始。 我有小灰度正方形(有一点噪音),我想根据他们的颜色(例如3类:黑色,灰色,白色)来分类他们。我写了一个小的Python类来生成方块和1热的矢量,并修改了他们的基本MNIST示例来喂他们。 但它不会学到任何东西 - 例如对于3个类别它总是猜测≈33%正确。 导入张量流为tf import generate_data.ge
..
我尝试以类似于TensorFlow中的cifar10示例中所述的方式读取标签: ... 。 label_bytes = 2#在原始版本中为1 result.key,value = reader.read(filename_queue) record_bytes = tf.decode_raw(value,tf.uint8) result.label = tf.cast(tf.sl
..