TensorFLow能够识别的图像格式是numpy形式的,下面我们介绍两种生成tensorflow的图像格式的方法,供给tensorflow的graph的输入与输出。 1 mat文件 import cv2 import numpy as np import h5py height = 460 width = 345 with h5py.File('make3d_dataset_f460.mat

TensorFlow  

wget https://sourceforge.net/projects/opencvlibrary/files/opencv-unix/3.1.0/opencv-3.1.0.zip/download unzip download cd opencv-3.1.0/ mkdir release cd release/ cmake -D CMAKE_BUILD_TYPE=RELEASE -DCMAK

opencv   ubuntu  

       在github上,tensorflow的star是22798,caffe是10006,torch是4500,theano是3661。作为小码农的我,最近一直在学习tensorflow,主要使用python的接口进行学习。本博文主要以/tensorflow/tensorflow/models/image/mnist(github上下载)作为例程,讲解python代码的实现。      

MNIST   python   tensorflow  

  PC上装好Ubuntu系统,我们一步一步来讲解如何使用源码安装tensorflow?(我的Ubuntu系统是15.10) 安装cuda 根据你的系统型号选择相应的cuda版本下载  https://developer.nvidia.com/cuda-downloads  我选的是cuda-repo-ubuntu1504-7-5-local_7.5-18_amd64.deb 右击下载到的文件,O

TensorFlow   源码安装  

总结下来主要有3种方法: 1. 用ln将需要的so文件链接到/usr/lib或者/lib这两个默认的目录下边 ln  - s  / where / you / install / lib /* .so /usr/lib sudo ldconfig 2.修改LD_LIBRARY_PATH export LD_LIBRARY_PATH = / where / you / install / lib:$

原文转自:http://zhidao.baidu.com/link?url=9e2mOttgV0IJDMml58SFbV-7XOvVzp2jR5l1n3ltFOzX1XAcp5-t-QQPc-NozybY5kc0VYCgiA1Mf8HPIiDjqb0zdOOuvprifQ5fF86N9ay 没什么难度,只是准备工作稍微麻烦了一点,你需要一个linux启动U盘或者光盘。 用U盘直接启动(改变系统引导

linux   Windows   u盘  

1 安装h5py sudo apt-get install libhdf5-dev sudo pip install h5py 假设你已经安装好python和numpy模块 2 读取mat文件数据 import numpy as np import h5py f = h5py.File('data.mat') 3 查看mat文件包含的内容 data = f.keys() print data

python   mat   h5py  

"""Simple tutorial for using TensorFlow to compute polynomial regression. Parag K. Mital, Jan. 2016""" # %% Imports import numpy as np import tensorflow as tf import matplotlib.pyplot as plt # %% L

TensorFlow   Deep learning   polynomial regressio  

"""Simple tutorial for using TensorFlow to compute a linear regression. Parag K. Mital, Jan. 2016""" # %% imports import numpy as np import tensorflow as tf import matplotlib.pyplot as plt # %% Let

TensorFlow   linear regression  

一、网络结构 二、代码 from tensorflow.examples.tutorials.mnist import input_data mnist = input_data.read_data_sets('MNIST_data', one_hot=True) import tensorflow as tf sess = tf.InteractiveSession() def weight_

TensorFlow  
1 2 3 4 5 6 7 8 9