解决问题 Check failed: cudnnSetTensorNdDescriptor(handle_.get(), elem_type, nd, dims.data(), strides.data()) == CUDNN_STATUS_SUCCESS (3 vs. 0)batch_descriptor: {count: 1 feature_map_count: 288 spatial: 0 7 value_min: 0.000000 value_max: 0.000000 layout: BatchYXDepth}

解决问题 Check failed: cudnnSetTensorNdDescriptor(handle_.get(), elem_type, nd, dims.data(), strides.data()) == CUDNN_STATUS_SUCCESS (3 vs. 0)batch_descriptor: {count: 1 feature_map_count: 288 spatial: 0 7 value_min: 0.000000 value_max: 0.000000 layout: BatchYXDepth}
F tensorflow/stream_executor/cuda/cuda_dnn.cc:516] Check failed: cudnnSetTensorNdDescriptor(handle_.get(), elem_type, nd, dims.data(), strides.data()) == CUDNN_STATUS_SUCCESS (3 vs. 0)batch_descriptor: {count: 1 feature_map_count: 288 spatial: 0 7  value_min: 0.000000 value_max: 0.000000 layout: BatchYXDepth}   错误解决方案更新你的tensorflo...
2020年05月24日 学习笔记 暂无评论 喜欢 0 阅读 3,741 views 次 阅读全文

最新tensorflow2 安装与环境配置

最新tensorflow2 安装与环境配置
安装cuda 第一步要安装cuda 下载地址：https://developer.nvidia.com/cuda-downloads 这里要注意你N卡的版本。例如我的版本是： Nvidia 驱动版本 我的是441.22版本。这里要注意一下，电脑是否安装微软的vscode，如果安装了就需要特殊的设置，否则不需要。安装cuda 时请选择自选安装。 去掉多余cuda选项 去掉cuda VScode选项 注意cuda版本与驱动版本对应信息(注意，如果相等...
2020年05月23日 学习笔记 暂无评论 喜欢 0 阅读 1,278 views 次 阅读全文

ImageNet图像分类模型 导入与使用

ImageNet图像分类模型 导入与使用
经典CNN 视图 我们先看一下导入已训练好的ImageNet模型代码：   1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 # coding: UTF-8 import tensorflow as tf # print("TF version:", tf.version) import numpy as np import IPython.display as display # f...
2020年05月21日 学习笔记 暂无评论 喜欢 0 阅读 954 views 次 阅读全文

在Tensorflow 2.0中在ImageNet上训练ResNet

在Tensorflow 2.0中在ImageNet上训练ResNet
在Tensorflow 2.0中在ImageNet上训练ResNet 准确性 网络 中心农作物@ top-1 10片@ Top-1 ResNet-18 69.15％ 71.60％ ResNet-50 75.96％ 77.72％ 满足深度残差学习中图像识别的要求。 提供了砝码。 Link: https://pan.baidu.com/s/1nwvkt3Ei5Hp5Pis35cBSmA Code: y4wo 要求 Python版本：3.5.1 包装方式： Tensorflow 2.0.0 麻木 OpenCV的Python tqdm 数据集 可...
2020年05月19日 汪洋大海 暂无评论 喜欢 0 阅读 1,612 views 次 阅读全文

Keras.layers.Conv2D参数详解 搭建图片分类 CNN （卷积神经网络）

Keras.layers.Conv2D参数详解 搭建图片分类 CNN （卷积神经网络）
filters： 卷积核（就是过滤器！）的数目（即输出的维度） kernel_size： 单个整数或由两个整数构成的list/tuple，卷积核（过滤器）的宽度和长度。（kernel n.核心，要点，[计]内核） 如为单个整数，则表示在各个空间维度的相同长度。 strides： 单个整数或由两个整数构成的list/tuple，为卷积的步长。 如为单个整数，则表示在各个空间维度的相同步长。任何不为1的strides均...
2020年05月17日 汪洋大海 暂无评论 喜欢 20 阅读 21,113 views 次 阅读全文

python 多特征数据标准化 归一化的方法

python 多特征数据标准化 归一化的方法
第一种方法引用已有库：   1 2 3 4 from sklearn.preprocessing import scale # 归一化 a = np.array([[0, 3452, 6], [2, 4564, 1]]) print(scale(a))from sklearn.preprocessing import scale # 归一化 a = np.array([[0, 3452, 6], [2, 4564, 1]]) print(scale(a))    第二种手动处理： 1 2 3 4 5 6 a = np.array(...
2020年05月15日 学习笔记 暂无评论 喜欢 0 阅读 1,578 views 次 阅读全文

机器学习：各种优化器Optimizer的总结与比较

机器学习：各种优化器Optimizer的总结与比较
优化器总结 机器学习中，有很多优化方法来试图寻找模型的最优解。比如神经网络中可以采取最基本的梯度下降法。 梯度下降法(Gradient Descent) 梯度下降法是最基本的一类优化器，目前主要分为三种梯度下降法：标准梯度下降法(GD, Gradient Descent)，随机梯度下降法(SGD, Stochastic Gradient Descent)及批量梯度下降法(BGD, Batch Gradient Descent)。 1. 标准梯度下降法(G...
2020年04月30日 汪洋大海 暂无评论 喜欢 0 阅读 1,323 views 次 阅读全文

机器学习：过拟合、神经网络Dropout

机器学习：过拟合、神经网络Dropout
过拟合 过拟合现象 机器学习中，过拟合现象就是训练模型高度适用于训练集，而对测试集或未知数据集效果不好的情况。表现为训练集过度拟合具有高准确率，而测试集的准确率明显低于测试集。 防止过拟合 防止过拟合的方法有：增加数据集，正则化方法以及Dropout方法。 1. 增加数据集 数据挖掘中，数据量越多，对模型参数调整就越准确。多的数据往往比好的训练模型要重要，因...
2020年04月30日 汪洋大海 暂无评论 喜欢 1 阅读 1,293 views 次 阅读全文