可用以下**檢視可使用裝置情況
from tensorflow.python.client import device_lib
print
(device_lib.list_local_devices(
))
from tensorflow.python.client import device_lib
print
(device_lib.list_local_devices())
[name:
"/device:cpu:0"
device_type:
"cpu"
memory_limit:
268435456
locality
incarnation:
7290236206971495304
]
如果有cpu跟gpu，則會是：
[name:
"/device:cpu:0"
device_type:
"cpu"
memory_limit:
268435456
locality
incarnation:
14249508766421303710
, name:
"/device:gpu:0"
device_type:
"gpu"
memory_limit:
4872640921
locality
}incarnation:
10819701713499017754
physical_device_desc:
"device: 0, name: geforce gtx 1660 super, pci bus id: 0000:01:00.0, compute capability: 7.5"
]
可使用的開源庫
可使用的圖示 可使用的ui zepto lodash momentjs handlebars t檢測語言 世界語中文簡體 中文繁體 丹麥語烏克蘭語 烏茲別克語 烏爾都語 亞美尼亞語 伊博語俄語 保加利亞語 信德語修納語 僧伽羅語 克羅埃西亞語 冰島語加利西亞語 加泰隆尼亞語 匈牙利語 南非祖魯語 卡...
Tensorflow中檢視權重
剛開始學習tensorflow，還不太會用，開個博記錄，今天遇到乙個問題是用tf.layers.dense建立的全連線層，如何檢視權重？知道kernel表示了權重，但是如何提示成變數？我分成兩步 1 檢視tensor tf.trainable variables 命令列裡中執行即可，如下圖 可以看到...
tensorflow 檢視梯度方式
1.為什麼要檢視梯度 對於初學者來說網路經常不收斂，loss很奇怪 就是不收斂 所以懷疑是反向傳播中梯度的問題 1 求導之後的數 的絕對值 越來越小 趨近於0 這就是梯度程式設計客棧消失 2 求導之後的數 的絕對值 越來越大 特別大，發散 這就是梯度 所以說呢，當loss不正常時，可以看看梯度是否處...