ycszen/tensorflowlaboratory

Research about Tensorflow

tensorflowlaboratory's Issues

如何运行

你好，能说一下运行环境和运行步骤么？

about tfrecords

受益匪浅！有几点问题，再请教下：
1、“关于Example Feature的相关定义和详细内容，我推荐去官网查看相关API”，请问有相关的API文档资料或网页吗？我一直没找到；
2、如果我们以TFRecords文件的形式读入图片数据进行模型训练获得模型后，新的图片数据，要对其进行分类，这时候这1张新的图片数据，需要以什么方式读入模型呢？有没有相应的脚本学习下呢？
3、“
之后我们可以在训练的时候这样使用
img, label = read_and_decode("train.tfrecords")

使用shuffle_batch可以随机打乱输入

img_batch, label_batch = tf.train.shuffle_batch([img, label],
batch_size=30, capacity=2000,
min_after_dequeue=1000)
”
我猜测 img, label = read_and_decode("train.tfrecords") 让我们获得了图片及其类别标签（因为是多张图片，股都是链表的形式)
"
img_batch, label_batch = tf.train.shuffle_batch([img, label],
batch_size=30, capacity=2000,
min_after_dequeue=1000)
"
这句我猜测是将链表形式的图片数据及其标签，分成多个batch用于后续输入训练模型的语句，那么有个问题，batch_size=30意思是一个batch有多少个样本，capacity=2000和 min_after_dequeue=1000，分别是什么意思呢？
多谢指教哈！

模型问题

这种网络你跑的效果怎么样呢？想参考一下

tf.queueRunner 读取tfrecord数据在GPU下的效率

请问下有没有测过程序运行时GPU的使用效率？
我自己在用tfrecord和queue方式读写数据进行训练的时候，
如果：
with tf.device('/gpu:0'):
sess = tf.Session(config=tf.ConfigProto(allow_soft_placement=True))
的话，GPU只使用了一点，20%，大部分仍然用了CPU去算；
如果强制GPU的话
with tf.device('/gpu:0'):
sess = tf.Session()
会报如下错误，应该时某些任务不支持GPU上算导致，
InvalidArgumentError (see above for traceback): Cannot assign a device to node 'batch': Could not satisfy explicit device specification '/device:GPU:0' because no supported kernel for GPU devices is available.
Colocation Debug Info:
Colocation group had the following types and devices:
FIFOQueueV2: CPU
Switch: CPU
QueueDequeueManyV2: CPU
QueueSizeV2: CPU
QueueCloseV2: CPU
QueueEnqueueV2: CPU
[[Node: batch = QueueDequeueManyV2[component_types=[DT_FLOAT, DT_FLOAT], timeout_ms=-1, _device="/device:GPU:0"](batch/fifo_queue, batch/n)]]；
是不是tf的queue方式不支持GPU的运算？

但如果不用tfrecord和queue，把所有图像都一次性读进来，然后用顺序训练，
只用
with tf.device('/gpu:0'):
sess = tf.Session()
时，GPU使用率超过85%，速度也比tfrecord和queue的方式快了几倍。

数据问题

您好，使用的数据在在哪里下载？这个模型有没有原始论文，我想看一下

代码中不能理解的一部分

代码21行中for index, name in enumerate(classes):其中classes是什么，我是新手，请多多指教

shuffle_batch时提示All shapes must be fully defined

ValueError: All shapes must be fully defined: [TensorShape([Dimension(None)]), TensorShape([Dimension(None)])]

新手的一个问题，关于数据读入的

首先感谢楼主分享代码！
有2个问题（tf 官方文档没看懂）
1，就是 x_train, y_train = read_and_decode("train_tfrecord", is_train=True) 返回多少数据(一个样本吗)？比方说一个400M的tf_records 文件， 而它后面跟的
tf.train.shuffle_batch([distorted_image, label], batch_size=25,num_threads=2, capacity=1000, min_after_dequeue=10)
每次训练时，这个函数是可以拿到一个batch 给计算图谱吗？ 那训练时每次迭代如何保证数据是随机抽取的？
2，tf.train.start_queue_runners（）和这个有什么关系

训练问题

已经跑出tfrecords格式，接着用官网的train.py训练，报了下面的错误，请问是导出tfrecords格式有问题吗

tensorflow.python.framework.errors_impl.InvalidArgumentError: assertion failed: [Unable to decode bytes as JPEG, PNG, GIF, or BMP]
[[Node: case/cond/decode_image/cond_jpeg/cond_png/cond_gif/Assert_1/Assert = Assert[T=[DT_STRING], summarize=3, _device="/job:localhost/replica:0/task:0/device:CPU:0"](case/cond/decode_image/cond_jpeg/cond_png/cond_gif/is_bmp, case/cond/decode_image/cond_jpeg/cond_png/cond_gif/Assert_1/Assert/data_0)]]

运行 example_tfrecords.py报错

ERROR:tensorflow:Exception in QueueRunner: Input to reshape is a tensor with 3072 values, but the requested shape has 12288
我用的是cifar10数据集。求大佬相助！