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
- 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)- Attempting to use uninitialized value
解决方法:变量初始化
sess.run(tf.global_variables_initializer())- 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