#
在使用pre-train model时候，我们需要restore variables from checkpoint files. 经常出现在checkpoint 中找不到”Tensor name n
在利用tensorflow进行文本挖掘工作的时候，经常涉及到维度扩展和压缩工作。比如对文本进行embedding操作完成之后，若要进行卷积操作，就需要对embedded的向量扩展维度，将[batch_
安装步骤： 模型源码：https://github.com/tensorflow/models 1、下载源码后解压，修改文件夹名为models （以下步骤中涉及到路径的地方需要根据自己的实际情况而定）
这几天研究了一下FCN(全卷积网络)，由于电脑配置不够，用GPU训练直接报OOM（内存溢出）了， 于是转战CPU，当然，这样会很慢，之后会继续搞一下，减小一下网络的复杂度，对一些参数设置一波，看能不能
实例如下所示： #coding=gbk import numpy as np import tensorflow as tf from tensorflow.python import pywra
TensorFlow保存模型代码 import tensorflow as tf from tensorflow.python.framework import graph_util var1 =
基于Tensorflow下的批量数据的输入处理： 1.Tensor TFrecords格式 2.h6py的库的数组方法 在tensorflow的框架下写CNN代码，我在书写过程中，感觉不是框架内容难
首先使用tf.where()将满足条件的数值索引取出来，在numpy中，可以直接用矩阵引用索引将满足条件的数值取出来，但是在tensorflow中这样是不行的。所幸，tensorflow提供了tf.g
实例如下所示： from tensorflow.python import pywrap_tensorflow checkpoint_path = os.path.join(model_dir,
方法1：只保存模型的权重和偏置 这种方法不会保存整个网络的结构，只是保存模型的权重和偏置，所以在后期恢复模型之前，必须手动创建和之前模型一模一样的模型，以保证权重和偏置的维度和保存之前的相同。 tf.
