mnist

我们先定义一个简单的神经网络，用来训练模型，然后将模型保存下来，最后加载保存下来的模型进行检测，查看输出结果。 #模型训练和保存 import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data #载入数据集 mnist = input_data.read_data_sets("MNIST_data", one_hot=True) #每个批次100张照片 batch_size=100 #计算一共有多少个批次 n_batch=mnist.train.num_examples // batch_size #定义两个placeholder x=tf.placeholder(tf.float32, [None, 784]) y=tf.placeholder(tf.float32, [None, 10]) #创建一个简单的神经网络，输入层784个神经元，输出层10个神经元 W=tf.Variable(tf.zeros([784, 10])) b=tf.Variable(tf.zeros([10])) prediction=tf.nn.softmax(tf.matmul(x,W)+b) #二次代价函数 loss=tf.reduce_mean(tf.nn.softmax_cross_entropy

github博客传送门 csdn博客传送门 本章所需知识: 没有基础的请观看深度学习系列视频 tensorflow 恩达老师的可视化极强的网络结构图: 接着加上我自己使用Tensorflow实现的代码: LeNet_5网络 import tensorflow as tf import tensorflow.examples.tutorials.mnist.input_data as input_data mnist = input_data.read_data_sets("MNIST_data/", one_hot=True) # 导入数据集 '''LeNet_5, 可以识别图片中的手写数字, 针对灰度图像训练的''' class LeNet_5: def __init__(self): self.in_x = tf.placeholder(dtype=tf.float32, shape=[None, 28, 28, 1], name="in_x") self.in_y = tf.placeholder(dtype=tf.float32, shape=[None, 10], name="in_y") # 卷积层 (batch, 28, 28, 1) -> (batch, 24, 24, 6) self.conv1 = tf.layers.Conv2D(filters=6,

问题描述: 极客兔兔关于mnist入门说明: https://www.cnblogs.com/gzdaijie/p/11156637.html , Tensorflow升级到2.0以上存在input_data模块不存在，以及诸如Session，placeholder等不存在的问题。很影响入门的使用兴趣，现把更正方法总结如下。 解决方法: 1.拷贝input_data到v1目录下，Input_data.py链接在附件 2.修改 import tensorflow as tf 为 import tensorflow.compat.v1 as tf tf.disable_v2_behavior() 降低使用版本 mnist手写源码: https://github.com/geektutu/tensorflow-tutorial-samples 附包含源码 import tensorflow.compat.v1 as tf tf.disable_v2_behavior() # # import os # os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' import tensorflow.keras as keras import input_data # import tensorflow as tf # from tensorflow.examples

1. caffe-master文件夹权限修改 下载的caffe源码编译的caffe-master文件夹貌似没有写入权限，输入以下命令修改： sudo chmod -R 777 ~/caffe-master/ 2. 下载mnist数据库 cd ~/caffe sduo ./data/mnist/get_mnist.sh caffe中的./data/mnist/get_mnist.sh 文件实现了下载mnist数据库的功能，文件的内容如下： 执行之后，在./data/mnist文件夹下生成4个文件，分别是测试、训练数据库和测试、训练标签： 3. 二进制数据库文件转换成lmdb数据库格式 sudo ./examples/mnist/create_mnist.sh create_mnist.sh文件用于把数据库转换成lmdb格式，内容如下： 执行之后，在 ./examples/mnist文件夹下生成两个文件夹，一个是 mnist_train_lmdb 和 mnist_test_lmdb，分别存放了训练和测试数据： 4. 训练lenet网络 如果只是用CPU训练的话，需要先在 lenet_solver.prototxt 文件中修改训练模式为CPU，使用gedit打开.prototxt文件： sudo gedit ./examples/mnist/lenet_solver.prototxt

下载链接以及说明： 1.caffe代码按照官方教程下载windows分支下面的就可以了（https://github.com/BVLC/caffe/tree/windows）。 2.cmake( https://cmake.org/download/ ) 3.miniconda3 python3.6 x64( https://conda.io/miniconda.html ) （注意：官方只能下载python 3.6版本的，在安装完python3.6版本的miniconda之后，注意在安装的时候将目录添加到环境变量中，然后命令行中执行： conda create -n py35 python = 3.5 anaconda，执行之后，会下载并安装python3.5下面的库，成功之后； 命令行中执行 activate py35，即可激活python3.5,但是当退出之后仍然是默认的3.6,这个时候命令行执行： conda info --envs，可以看到有2个python环境：一个是root,一个是py35，并且可以看到py35这个包的安装路径。 然后在windows的环境变量中，把py35这个环境的路径和这个路径下的scripts路径添加到path路径中， 并在系统变量的path路径中删除掉原来的miniconda3/bin和miniconda3/scripts路径

参考：https://www.cnblogs.com/denny402/p/5076285.html 首先编译： make -j8 make pycaffe 注：下面的--solver=.... 等价于 -solver .... ########################## -solver：必选参数 ################### set -e ./build/tools/caffe train --solver=examples/mnist/lenet_solver.prototxt -gpu 2 #gpu 2表示用第2块gpu运行，如果设置为"-gpu all"表示使用所有的gpu运行 ######################-snapshot：可选参数，-gpu：可选参数 ############# #加上断点的训练 set -e ./build/tools/caffe train --solver=examples/mnist/lenet_solver.prototxt \ --snapshot=examples/mnist/snapshot/lenet_solver_iter_400.solverstate ######################## -weights：可选参数 ################# #用预先训练好的权重来fine

由于虚拟机下的 Ubuntu 系统一般不包含 GPU ，故这次安装时为了在无 GUP 环境下运行 caffe 。所以只需安装CPU版本的caffe 由于本机是window10系统，所以想尝试caffe就在自己电脑上整了一个虚拟机（详情可见： win10系统搭建虚拟机：VMware Workstation Player 12环境+Ubuntu Kylin 16.04 LTS系统 ），然后昨天在自己虚拟机上配置了一个caffe环境。 其中，只是尝试着搭建了一个CPU版本的caffe， Ubuntu16.04中自带了python 2.7。 在安装的过程中，真的会出现各种各样的报错，但是... 感慨天朝的实力... 每一个bug都能搜索到如何解，所以... 不要担心，百度、谷歌一起教你装caffe。 —————————————————————————————————————————————— 本篇内容为两个：caffe安装流程+报错举例 一、caffe安装流程：安装依赖、配置python、配置caffe、 配置caffe的makefile文件、 配置python caffe 二、报错举例：linux系统的报错问题、caffe报错问题、python报错问题 、虚拟机问题 ————————————————————————————————— 一、caffe安装流程 caffe安装流程：安装依赖