Docker下载Google的TensorFlow问题
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
..
tensorflow相关内容
在与Docker安装的Tensorflow上运行mnist_softmax.py
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
..
在Google Cloud上的Docker上启动TensorFlow
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
..
如何在没有直接互联网连接的情况下下载Docker图像
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
..
在Google Cloud上的Docker上查看Tensorboard
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
..
如何启动张量流量码头笔记本电脑
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
..
在SWIG界面后调试Tensorflow的C ++代码
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
..
Debian 8 VirtualBox的Anaconda安装失败
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
..
如何以编程方式为TensorFlow中的所有可用内核构建CUDA JIT高速缓存？
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
..
什么错误：`加载运行时CuDNN库：5005但源编译与5103`是什么意思？
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
..
如何*正确*从csv的数据读入TensorFlow
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）：
..
使用TensorFlow的训练和预测有什么问题？
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]）
..
TensorFlow：读取CSV文件会永久挂起
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
..
如何读取数据到Tensorflow？
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
..
为什么TensorFlow从CSV文件返回[[nan nan]]而不是概率？
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
..
如何*实际*读取TensorFlow中的CSV数据？
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
..
更改为TensorFlow Cifar10示例的低精度
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
..
Tensorflow - 具有自定义数据集的卷积神经网络不学习
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
..
TensorFlow - 为什么这个sofmax回归学习什么？
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
..
在TensorFlow中将多个字节读入单个值
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
..