写在前面

tensorflow2.0是真的香！Anaconda是真的香！

大一寒假，开始折腾神经网络，之前买了不少相关书籍，虽说全部都看了一遍，但是感觉自己对一些细节还是理解得不是很清晰。（算了，该黑箱就黑箱）。高三数据有玩过tensorflow1.x，搭了个线性回归和全连接神经网络的mnist就没了。然后就去写开源固定翼飞控的程序了QAQ。（开源链接:https://gitee.com/pineconepi/PineconePi_Pilot）。然后本来计划着大一上学期在校时间玩玩，结果仍然是咕咕咕，因为各种事情鸽掉了。日常唠嗑结束了，下面开始正文：

关于jetson nano +tensorflow 的更多代码分享见：

https://gitee.com/xddcore/Jetson_Nano

关于tensorflow,anaconda的安装，百度上一搜有一大把，我就不再重述一遍了，大家自行百度就行。

官方API文档链接（学tensorflow真的不用买书，看API文档就行了QAQ）：

https://tensorflow.google.cn/api_docs/python/tf

制作自己的数据集

相信刚刚入门神经网络的小白都会有一个疑问：“虽然我自己跑了mnist，fashion mnist等数据集，但是我想有个自己的数据集啊QAQ。我要训练个神经网络，帮我找npy啊（说出了程序猿的心声）”。那么现在就围绕自己制作数据集开始。大家目前接触到的数据都是图像数据（大概分为两类，BMP（单色位，也就是黑白），RGB(也就是彩色，一般是RGB888)）

想制作训练集，很简单，阅读完官方API文档后，我写出了如下程序：

import os
import tensorflow as tf
from PIL import Image  #注意Image,后面会用到
import matplotlib.pyplot as plt
import numpy as npi = 0
cwd='E:/AI/datasets/dogvs.cat/train/'#根目录
classes=['dog','cat'] #狗与猫
writer= tf.io.TFRecordWriter("train.tfrecords") #要生成的文件for index,name in enumerate(classes):class_path = cwd + name + '/'for img_name in os.listdir(class_path): img_path=class_path+img_name #每一个图片的地址img=Image.open(img_path)img= img.resize((128,128))img_raw=img.tobytes()#将图片转化为二进制格式example = tf.train.Example(features=tf.train.Features(feature={"label": tf.train.Feature(int64_list=tf.train.Int64List(value=[index])),'img_raw': tf.train.Feature(bytes_list=tf.train.BytesList(value=[img_raw]))})) #example对象对label和image数据进行封装writer.write(example.SerializeToString())  #序列化为字符串i = i + 1print("已写入"+str(i)+"张图片")
writer.close()

上述程序功能很清楚，读取根目录下的标有分类文件夹，标签用0，1表示（0：狗，1：猫），然后将图片resize成128*128分辨率，然后转成String根据设置好的特征写入到TFRecord文件中，标签以int写入。（为啥要这样弄，别问我，问就是官方文档就说得像这样弄）。

用TFRecord的好处，以二进制编码，后面训练时加载速度会比较快（如果你是AMD 3990X+4路RTX 2080TI，当我没说）

数据集制作好了，现在开始进行训练

追《大主宰》去了，虽然自己不喜欢看小说，但是小说改编的电视剧是真的香QAQ。后面有空再更新

使用tensorflow2.1.0+Anaconda3(python3.7.4)从制作自己的TFRrecord数据集到训练神经网络，再到载入模型进行推断相关推荐

树莓派4B配置tensorflow2.4.0环境
一开始觉得配置树莓派应该和电脑上差不多,先安装anaconda然后在里面建立tensorflow环境,但这过程比我想的艰难多.下面给出我尝试的三种配置tensoflow的方法,前两种失败了,最后一种成 ...
Anaconda3+python3.7.10+TensorFlow2.3.0+PyQt5环境搭建
Anaconda3+python3.7.10+TensorFlow2.3.0+PyQt5环境搭建一.Anaconda 创建 python3.7环境 1.进入 C:\Users\用户名目录下,找到 ...
Ubuntu16.04LTS+CUDA8.0+cuDNN5.1+Anaconda3(python3.6)+tensorflow_gpu-1.2.1安装过程全记录
Ubuntu16.04LTS+CUDA8.0+cuDNN5.1+Anaconda3(python3.6)+tensorflow_gpu-1.2.1安装过程全记录最近搭建了一台用于深度学习的服务器,其 ...
win10+CUDA11.2+cuDNN8.1+python3.8+tensorflow2.6.0环境配置
文章目录 1. 基本知识 1.1 显卡 1.2 GPU 1.3 CUDA 1.4 cuDNN 2. 显卡驱动安装 3. CUDA安装及配置 3.1 CUDA下载 3.2 CUDA安装 3.3 CUDA ...
win10安装TensorFlow2.8.0
前言安装TensorFlow,系统是win10,python是3.9.7,conda是4.10.3,安装的TensorFlow版本是2.8.0 一.安装Anaconda 之前安装过,过程略:Anac ...
使用aconda3-5.1.0（Python3.6.4）搭建pyspark远程部署
参考:http://ihoge.cn/2018/anacondaPyspark.html 前言首次安装的环境搭配是这样的: jdk8 hadoop2.6.5 spark2.1 scala2.12.4 ...
Jetson Nano （Cuda10.2）安装tensorflow2.1.0运行python程序及几个版本tensorflow aarch64下载分享
目录 1.本次遇到的问题 Segmentation fault (core dumped) 2.安装tensorflow2.1.0 3.Jetson Nano上各版本的tensorflow(pytho ...
Kears(TensorFlow2.2.0)在Android中部署(C++调用)
环境系统:mac os TensorFlow·:2.2.0 注意本文步骤的运行环境,其他不同版本环境未测试,仅供参考. TensorFlow Lite 指南 TensorFlow Lite 是一组工 ...
GTX950M+Cuda10.1+TensorFlow2.1.0+Pytorch1.7.1
GTX950M+Cuda10.1+Tensorflow2.1.0-Gpu 文章目录 GTX950M+Cuda10.1+Tensorflow2.1.0-Gpu 1.电脑环境.电脑配置 1.1电脑配置 1 ...

使用tensorflow2.1.0+Anaconda3(python3.7.4)从制作自己的TFRrecord数据集到训练神经网络，再到载入模型进行推断