? 使用类封装写好的 TensorRT 模型，每个函数、类成员各司其职，而不是以前程序那样纯过程式，变量全部摊开● 代码，程序入口 enter.py 1import os2import sys3import numpy as np4import tensorrt as trt5import pycuda.autoinit6import pycuda.driver as cuda7from datetime import datetime as dt8 9import loadPara as ld10import calibrator11 12 DEBUG = True 13 testDataPath = "./" 14...
Tensorflow1.基本概念TensorFlow是一个编程系统，使用图(graphs)来表示计算任务，图(graphs)中的节点称之为op(operation)，一个op获得0个或多个Tensor，执行计算，产生0个或多个Tensor。Tensor看多是一个n维的数组或列表。图必须在会话(Session)里被启动。使用(graphs)来表示计算任务 在被称为会话(Session)的上下文(context)中执行图 使用tensor表示数据 通过变量(Variale)维护状态 使用feed和fetch为任意的操作赋值或者从中获取数...
Tensorlfow中的计算是通过一个有向图directed graph或则计算图computation graph来实现的。 将每一个运算操作operation作为一个节点node，节点之间通过边edge连接。 这个计算图描述的数据计算流程用户可以进行相关分支、循环、选择。使用的语言是python、C++、java、Go等。 计算图中每一个节点可以有多个输入和输出，每个节点只能描述一种运算操作。所以节点是运算操作的实例化（instance）。 在计算图中传递（流动flo...
TensorFlow API使用规范tf.Variable: 用于W与b等参数tf.constant: 用于超参数tf.placeholder: 用于数据tf.train.AdamOptimizer(learning_rate=learning_rate).minimize(cost): 进行反向传播, 在优化的时候, 一定要sess.run(optimizer, feed_dict={}), run的是optimizer, 但是在测试查看损失或者准确率的时候, 要使用sess.run(cost, feed_dict={}), 不要进行优化TensorFlow中主要是要保存的数据都是需要先转为String类型的, 读取也是...
如何使用Supervisor在不使用Supervisor的时候，我们的代码经常是这么组织的variables ... ops ... summary_op ... merge_all_summarie saver init_opwith tf.Session() as sess: writer = tf.tf.train.SummaryWriter() sess.run(init) saver.restore() for ...: train merged_summary = sess.run(merge_all_summarie) writer.add_summary(merged_summary,i) saver.save 下面介绍如何用Supervisor来改写上面程序import tensorflow a...
Windows下TensorFlow环境的搭建（非虚拟机）本篇介绍的是在windows系统下，使用 Anaconda+PyCharm，不使用虚拟机，也不使用 Linux安装 Anaconda这个相信有很多人都在用，所以简单说一下如果没有安装可以直接去Anaconda官网下载：https://www.anaconda.com/download/提示：安装时记住安装目录默认安装就可以如果安装 Anaconda 有问题请参照： windows下Anaconda与PyCharm的安装与使用在PyCharm配置TensorFlow1.进入PyCharm，点击【F...