一、写在前面

参考：https://www.cnblogs.com/bentuwuying/p/8186364.html

简介：全连接孪生网络(siamese network)是一种相似性度量方法，适用于类别数目多但是每类的样本数少的分类问题。

代码：https://github.com/Shicoder/DeepLearning_Demo/tree/master/siamese_tf_mnist

二、测试代码

按照github代码运行python run.py后报错：

【报错1】

AttributeError: module ‘tensorflow‘ has no attribute ‘sub‘

AttributeError: module ‘tensorflow‘ has no attribute ‘mul‘

【解决1】

将代码inference.py中的tf.sub替换为tf.subtract，tf.mul替换为tf.multiply

----------------------------------------------------------------------------------------------------------------

【报错2】

NotFoundError (see above for traceback): Failed to create a directory: ; No such file or directory

[[Node: save/SaveV2 = SaveV2[dtypes=[DT_FLOAT, DT_FLOAT, DT_FLOAT, DT_FLOAT, DT_FLOAT, DT_FLOAT], _device="/job:localhost/replica:0/task:0/device:CPU:0"](_arg_save/Const_0_0, save/SaveV2/tensor_names, save/SaveV2/shape_and_slices, siamese/fc1W, siamese/fc1b, siamese/fc2W, siamese/fc2b, siamese/fc3W, siamese/fc3b)]]

【解决2】

将代码run.py中的saver.save(sess, 'model.ckpt')以及saver.restore(sess, 'model.ckpt')改为saver.save(sess, './model.ckpt')以及saver.restore(sess, './model.ckpt')

----------------------------------------------------------------------------------------------------------------

【报错3】

name 'raw_input' is not defined

【解决3】

将代码中的raw_input改为input即可。

----------------------------------------------------------------------------------------------------------------

【报错4】

读取model.ckpt失败

【解决4】

将代码中的os.path.isfile(model_ckpt)改为判断当前路径下是否存在checkpoint这个文件os.path.exists('E:\pyProject\DeepLearning_Demo-master\siamese_tf_mnist\checkpoint'):

----------------------------------------------------------------------------------------------------------------

【报错5】

读取embed.txt数据错误

【解决5】

embed.tofile("embed.txt")#保存为二进制文件，且不能保存当前数据的行列信息

用np.fromfile读取数据需要手动指定dtype，如果指定的格式与保存时的不一致，则读出来的就是错误的数据。

print(embed.shape)

print(embed.dtype)

embed=np.fromfile('embed.txt',dtype=np.float32) #读取数据

注意到读出来的数据是一维数组，需要利用np.reshape方法重新指定维数

三、部分代码解读

from __future__ import absolute_import #使用py3的绝对引入
from __future__ import division #使用py3的精确除法
from __future__ import print_function #使用py3的print()功能函数

__future__模块，把下一个新版本的特性导入到当前版本，从而能够在当前旧版本中测试一些新版本的特性。

四、实验结果

DL实战(1)：tensorflow在mnist上实现siamese net相关推荐

使用Tensorflow操作MNIST数据
MNIST是一个非常有名的手写体数字识别数据集,在很多资料中,这个数据集都会被用作深度学习的入门样例.而TensorFlow的封装让使用MNIST数据集变得更加方便.MNIST数据集是NIST数据集的 ...
DL框架之Tensorflow：深度学习框架Tensorflow的简介、安装、使用方法之详细攻略
DL框架之Tensorflow:深度学习框架Tensorflow的简介.安装.使用方法之详细攻略目录 Tensorflow的简介 1.描述 2.TensorFlow的六大特征 3.了解Tensorf ...
基于tensorflow的MNIST手写字识别
一.卷积神经网络模型知识要点卷积卷积 1.卷积 2.池化 3.全连接 4.梯度下降法 5.softmax 本次就是用最简单的方法给大家讲解这些概念,因为具体的各种论文网上都有,连推导都有,所以本文主要 ...
tensorflow学习笔记——使用TensorFlow操作MNIST数据（1）
续集请点击我:tensorflow学习笔记--使用TensorFlow操作MNIST数据(2) 本节开始学习使用tensorflow教程,当然从最简单的MNIST开始.这怎么说呢,就好比编程入门有He ...
DL框架之TensorFlow：深度学习框架TensorFlow Core(低级别TensorFlow API)的简介、安装、使用方法之详细攻略
DL框架之TensorFlow:TensorFlow Core(低级别TensorFlow API)的简介.安装.使用方法之详细DL框架之TensorFlow:深度学习框架TensorFlow Cor ...
tensorflow saver_机器学习入门(6)：Tensorflow项目Mnist手写数字识别-分析详解
本文主要内容:Ubuntu下基于Tensorflow的Mnist手写数字识别的实现训练数据和测试数据资料:http://yann.lecun.com/exdb/mnist/ 前面环境都搭建好了,直接 ...
TensorFlow 深入MNIST
原文地址:http://www.tensorfly.cn/tfdoc/tutorials/mnist_pros.html Table of Contents 安装加载MNIST数据运行Tensor ...
深入浅出TensorFlow（二）：TensorFlow解决MNIST问题入门
2017年2月16日,Google正式对外发布Google TensorFlow 1.0版本,并保证本次的发布版本API接口完全满足生产环境稳定性要求.这是TensorFlow的一个重要里程碑,标志着 ...
CNN卷积神经网络—LeNet原理以及tensorflow实现mnist手写体训练
CNN卷积神经网络-LeNet原理以及tensorflow实现minst手写体训练 1. LeNet原理 2.tensorflow实现Mnist手写体识别 1.安装tensorflow 2.代码实现手 ...
TensorFlow解决MNIST数字识别问题
TensorFlow解决MNIST数字识别问题废话这个MNIST数字识别问题是我实现的第一个神经网络,虽然过程基本上都是对着书上的代码敲,但还是对神经网络的训练过程有了一定的了解,同时也复习了前面 ...

DL实战(1)：tensorflow在mnist上实现siamese net

一、写在前面

二、测试代码

三、部分代码解读

四、实验结果

DL实战(1)：tensorflow在mnist上实现siamese net相关推荐

最新文章

热门文章