小编Pri*_*ham的帖子

我正在尝试重新训练最后一层inception-resnet-v2.这是我想出的:

1. 获取最后一层中的变量名称
2. 创建一个train_op以尽量减少这些变量损失
3. 恢复除最终图层之外的整个图形,同时仅随机初始化最后一层.

我实现如下:

with slim.arg_scope(arg_scope):
    logits = model(images_ph, is_training=True, reuse=None)
loss = tf.reduce_mean(tf.nn.sparse_softmax_cross_entropy_with_logits(logits, labels_ph))
accuracy = tf.contrib.metrics.accuracy(tf.argmax(logits, 1), labels_ph)

train_list = tf.get_collection(tf.GraphKeys.TRAINABLE_VARIABLES, 'InceptionResnetV2/Logits')
optimizer = tf.train.AdamOptimizer(learning_rate=FLAGS.learning_rate)

train_op = optimizer.minimize(loss, var_list=train_list)

# restore all variables whose names doesn't contain 'logits'
restore_list = tf.get_collection(tf.GraphKeys.TRAINABLE_VARIABLES, scope='^((?!Logits).)*$')

saver = tf.train.Saver(restore_list, write_version=tf.train.SaverDef.V2)

with tf.Session() as session:


    init_op = tf.group(tf.local_variables_initializer(), tf.global_variables_initializer())

    session.run(init_op)
    saver.restore(session, '../models/inception_resnet_v2_2016_08_30.ckpt')


# followed by code for running train_op

这似乎不起作用(训练损失,错误从初始值不会有太大改善).有没有更好/更优雅的方式来做到这一点？如果你能告诉我这里出了什么问题,那对我来说也不错.

PyCharm检查每个导入的模块(不在标准库中),requirements.txt但对于某些模块(例如:grpciovs grpc),包名称与模块名称不同.在这种情况下,有没有办法让警告静音？

我有一个GraphDef我正在导入的原型文件tf.import_graph_def.可以在图的末尾添加Ops,如下所示:

final_tensor = tf.import_graph_def(graph_def, name='', return_elements=['final_tensor'])
new_tensor = some_op(final_tensor)

但是我想在图的开头添加Ops,所以graph_def中的第一个Op基本上需要将我的Op的输出作为输入,我该怎么做？

我正在尝试使用numpy来评估多项式(3度).我发现通过更简单的python代码来实现它会更有效率.

import numpy as np
import timeit

m = [3,7,1,2]

f = lambda m,x: m[0]*x**3 + m[1]*x**2 + m[2]*x + m[3]
np_poly = np.poly1d(m)
np_polyval = lambda m,x: np.polyval(m,x)
np_pow = lambda m,x: np.power(x,[3,2,1,0]).dot(m)

print 'result={}, timeit={}'.format(f(m,12),timeit.Timer('f(m,12)', 'from __main__   import f,m').timeit(10000))
result=6206, timeit=0.0036780834198

print 'result={}, timeit={}'.format(np_poly(12),timeit.Timer('np_poly(12)', 'from __main__ import np_poly').timeit(10000))
result=6206, timeit=0.180546045303

print 'result={}, timeit={}'.format(np_polyval(m,12),timeit.Timer('np_polyval(m,12)', 'from __main__ import np_polyval,m').timeit(10000))
result=6206, timeit=0.227771043777

print 'result={}, timeit={}'.format(np_pow(m,12),timeit.Timer('np_pow(m,12)', 'from __main__ import np_pow,m').timeit(10000))
result=6206, timeit=0.168987989426

我错过了什么？

numpy中还有另一种评估多项式的​​方法吗？

我在 div 中有一个视频和一个画布，我想将画布覆盖在视频上。我试过这个：

.container {
  margin: 0 auto;
  position: relative;
}

.video {
  width: 100%;
  height: auto;
  position: absolute;
  top: 0;
  left: 0;
}

.canvas {
  width: 100%;
  height: auto;
  position: absolute;
  top: 0;
  left: 0;
  z-index: 10;
}

JSFiddle在这里

但是由于某种原因画布没有覆盖整个视频，它更短。我该如何解决？

正如标题所示，tf.nn.space_to_depth是否有等效的 PyTorch 函数？

我有以下代码：

import numpy as np
from scipy import sparse

x = np.eye(3)
print(x.sum(axis=1).shape)

x = sparse.eye(3)
print(x.sum(axis=1).shape)
print(x.sum(axis=1).squeeze().shape)

我得到以下输出：

(3,)
(3, 1)
(1, 3)

看起来squeeze没有按预期工作。我究竟做错了什么？

以下是本地(在localhost上)在谷歌应用引擎上运行的log.php文件.

<?php
if (isset($_POST['name'])) {
    $name = $_POST['name'];
    $filename = "log.txt";
    file_put_contents($filename, $name, FILE_APPEND | LOCK_EX);
}
?>

我使用以下jquery调用调用上面的文件:

$.ajax({
    url: './php/log.php',
    type: 'POST',
    data: {name: name},
    success: function (data) {
        console.log(data);
    }
});

我相信ajax正在工作,因为我得到一个登录控制台,这只是整个PHP代码.但是php没有在log.txt文件中写入任何内容.有人可以帮忙吗？