zdaiot

caffe转tensorflow的github地址，但是该仓库年久失修，好久不更新。在pull requests中我找到了这个版本。该版本增加了Python3.6和tensorflow1.10的支持。

将alexnet.prototxt文件（deploy.prototxt）和alexnet_cvgj_iter_320000.caffemodel文件放到caffe-tensorflow文件夹的根目录。

当使用命令./convert.py alexnet.prototxt --code-output-path=zdaiot.py转换的时候

遇到了如下错误：

1
2

Error encountered: Cannot determine dimensions of data layer.
See comments in function shape_data for more info.

解决方法为：

对于Anaconda，在Windows下挺好用的；对于Ubuntu下，我觉得使用系统自带的Python2和Python3挺方便的，所以内心一直拒绝详细了解Anaconda，直到最近发现实验室电脑环境乱的简直了。所以乖乖的学习下Anaconda的虚拟环境管理机制。

Anaconda简介与安装

Anaconda是Python的一个开源发行版本，主要面向科学计算。我们可以简单理解为，Anaconda是一个预装了很多我们用的到或用不到的第三方库的Python。而且相比于大家熟悉的pip install命令，Anaconda中增加了conda install命令。当你熟悉了Anaconda以后会发现，conda install会比pip install更方便一些。比如大家经常烦恼的lxml包的问题，在Windows下pip是无法顺利安装的，而conda命令则可以，后面会详细展示。

从国内开源镜像清华源下载Anaconda安装包。

Anaconda的版本分为Anaconda2和Anaconda3，大家可以自行下载日常常用的版本，提供32位和64位下载。但是这个版本只是说明Anaconda自带的Python版本，我们可以使用任何一个版本的Anaconda创建任意一个新的Python环境，例如可以使用Anaconda2创建一个Python3.6的环境，当然也可以使用Anaconda3创建一个新的Python2.7的环境。

PIL的基本概念：

PIL中所涉及的基本概念有如下几个：通道（bands）、模式（mode）、尺寸（size）、坐标系统（coordinate system）、调色板（palette）、信息（info）和滤波器（filters）。

通道

每张图片都是由一个或者多个数据通道构成。PIL允许在单张图片中合成相同维数和深度的多个通道。

以RGB图像为例，每张图片都是由三个数据通道构成，分别为R、G和B通道。而对于灰度图像，则只有一个通道。

常用地址

ImageNet数据集预训练模型下载地址

输入数据维度报错

1

tensorflow.python.framework.errors_impl.InvalidArgumentError: input must be 4-dimensional[1,1,461,459,3]

考虑是因为数据集中图片存在png、bmp等格式的图片，并不是纯jpg。

图片解码

RGB图像存储的时候并不是记录的三维矩阵，而是经过压缩编码的结果，所以要将一副图像还原为一个三维矩阵，需要解码过程。

例如，读取png图像代码：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

# 读取原始的图像
image = tf.gfile.FastGFile("/home/jiangziyang/images/duck.png", 'r').read()
with tf.Session() as sess:
    # TensorFlow提供了decode_png()函数将.png格式的图像解码从而得到图像对应的三位矩阵
    # 函数原型decode_png(contents,channels,dtype,name)
    img_after_decode = tf.image.decode_png(image)
    
    # decode_jpeg()函数用于解码.jpeg/.jpg格式的图像，原型
    # decode_jpeg(contents,channels,ratio,fancy_upscaling,try_recover_truncated,
    #                                           acceptable_fraction,dct_method,name)
    # decode_gif()函数用于解码.gif格式的图像，原型
    # decode_gif(contents,name)

    # encode_jpeg()函数用于编码为.jpeg/.jpg格式的图像，原型
    # encode_jpeg(image,format,quality,progressive,optimize_size,chroma_downsampling,
    # density_unit,x_density,y_density,xmp_metadata,name)

文件格式

TFRecord格式

网上看到一篇文章，感觉不错，复制粘贴到此，并添加一些自己的东西。

本文为译文，原文载于此，译文原载于此。本文欢迎转载，但请保留本段文字，尊重作者和译者的权益。谢谢。: )

介绍

Matplotlib 可能是 Python 2D - 绘图领域使用最广泛的套件。它能让使用者很轻松地将数据图形化，并且提供多样化的输出格式。这里将会探索 matplotlib 的常见用法。

IPython 以及 pylab 模式

深度学习（神经网络）之所以具备智能，就是因为它具有反馈机制。深度学习具有一套对输出所做的评价函数（损失函数），损失函数在对神经网络做出评价后，会通过某种方式（梯度下降法）更新网络的组成参数，以期望系统得到更好的输出数据。

由此可见，神经网络的系统主要由以下几个方面组成：

• 输入
• 系统本身（神经网络结构），以及涉及到系统本身构建的问题：如网络构建方式、网络执行方式、变量维护、模型存储和恢复等等问题
• 损失函数
• 反馈方式：训练方式

定义好以上的组成部分，我们就可以用流程化的方式将其组合起来，让系统对输入进行学习，调整参数。因为该系统的反馈机制，所以，组成的方式肯定需要循环。

安装ftp

1
2
3
4
5
6

sudo apt-get install vsftpd # 安装
service vsftpd start # 启动
sudo mkdir /yourftpdir # 新建yourftpdir目录
sudo useradd -d /yourftpdir uftp # 新建用户uftp, -d指令表示指定用户登入时的起始目录, 也就是home目录
sudo passwd uftp # 设置密码
sudo chown uftp:uftp /yourftpdir # 更改目录所有者及组

使用ps -ef | grep ftp可以查看vsftpd是否开启了。

另外，这里不一定需要新建用户，只需要将现有用户添加到/etc/vsftpd.chroot_list即可。

在sudo gedit /etc/vsftpd.chroot_list文件中添加可以访问ftp目录的其它用户

1

uftp

安装

windows

1

pip install PyQt5

但是安装完毕会出现ImportError: DLL load failed: 找不到指定的模块的错误提示，这是因为通过Anaconda安装的Python缺少了python3.dll，可以通过去python.org下载相应的 Windows x86-64 embeddable zip file压缩文件，从中拷贝python3.dll文件，粘贴到Anaconda安装目录下，也就是python36.dll所在的目录下，一般就是第一层目录，例如我这里就是D:\Anaconda3目录下

Qt Designer的使用

函数的极限

函数极限的定义

自变量趋于有限值时函数的极限

定义：设函数$f(x)$在点$x_0$的某个去心邻域内有定义，若$\forall \varepsilon > 0, \exists \delta > 0$,当$0 < |x - x_0| < \delta时，有|f(x) - A| < \varepsilon$,则称常数$A$为函数$f(x)$ 当$x \longrightarrow x_0$时的极限，记作 $\lim_{x \rightarrow x_0}f(x) = A$ 或$f(x) \rightarrow A(当x \rightarrow x_0)$。

上面定义可以简写为：