/mnist-tensorflow

mnist-data_tensorflow_test

Primary LanguagePythonMIT LicenseMIT

mnist_test

mnist数据集的使用

one_hot

data = input_data.read_data_sets('MNIST_data', one_hot=True)

one_hot=True表示将样本标签转化为one_hot编码。
举例：假如一共10类。
0-->1000000000
1-->0100000000
2-->0010000000 3-->0001000000
以此类推。只有一位为1，1所在的位置就代表着第几类。

保存模型

saver=tf.train.Save() # 实例化saver对象
with tf.Session() as sess: # 在with结构for循环中一定轮数时 保存模型到当前回话
    for i in range(STEPS):
        if i % 轮数 ==0: 
            saver.save(sess,os.path.join(MODEL_SAVE_PATH,MODEL_NAME),global_step=global_step)

加载模型

with tf.Session() as sess:
    ckpt=tf.train.get_checkpoint_state(存储路径)
    if ckpt and ckpt.model_checkpoint_path:
        saver.restore(sess,ckpt.model_checkpoint_path)

实例化可还原滑动平均值的saver

ema=tf.train.ExponentialMovineAverage(滑动平均基数)
ema_restore=ema.variables_to_restore()
saver=tf.train.Saver(ema_restore)

准确率计算方法

correct_prediction=tf.equal(tf.argmax(y,1),tf.argmax(y_,1))
accuracy=tf.reduce_mean(tf.cast(correct_prediction,tf.float32))

遇到的问题

  1. CUDA_ERROE_OUT_OF_MEMORY
    服务器的GPU大小为M,tensorflow只能申请N（N<M）,也就是tensorflow告诉你 不能申请到GPU的全部资源,然后就不干了
    解决方案:
config = tf.ConfigProto(allow_soft_placement=True)
# 最多占gpu资源的70%
gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.7)
# 开始不会给tensorflow全部gpu资源 而是按需增加
config.gpu_options.allow_growth = True
sess = tf.Session(config=config)
  1. Attempting to use uninitialized value
    解决方法:变量初始化
sess.run(tf.global_variables_initializer())
  1. Attempting to use uninitialized value Variable Caused by op u'Variable/read'
    解决方法: 将 sess.run(tf.global_variables_initializer()) 放到后面