tensorflow学习系列

运行logistic regression时相关函数
1.tf.placeholder( )

 x = tf.placeholder("float",[None,784])
 注：
 tf.placeholder( dtype,  shape=None, name=None)
 参数：
 dtype：数据类型。常用的是tf.float32,tf.float64等数值类型
 shape：数据形状。默认是None，就是一维值，也可以是多维（比如[2,3], [None, 3]表示列是3，行不定）
 name：名称

2.tf.zeros()

tf.zeros( shape, dtype=tf.float32, name=None)
shape代表形状，也就是1纬的还是2纬的还是n纬的数组。 
b = tf.Variable(tf.zeros([10]))          #因为做10分类，所以初始化b为10，表示1维数组里有10个值

3.tf.argmax()

tf.argmax(input,axis)
intput表示数组输入，axis可为0,1。axis=0，表示取输入数组每列中最大数的行号；axis=1，表示取输入数组每行中最大数的行号。
test = np.array([[1, 2, 3], [2, 3, 4], [5, 4, 3], [8, 7, 2]])
np.argmax(test, 0)　　　＃输出：array([3, 3, 1]
np.argmax(test, 1)　　　＃输出：array([2, 2, 0, 0]）

4.运行simple Netural Network时，出错：

ValueError: Only call softmax_cross_entropy_with_logits with named arguments (labels=…, logits=…, …)
调用tf.nn.softmax_cross_entropy_with_logits(logits, tf_train_labels)出现上述错误。
解决办法：错误提示中已经给出，只能使用命名参数的方式来调用。调用函数改为：tf.nn.softmax_cross_entropy_with_logits(labels=tf_train_labels, logits=logits)即可。

原：
cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(pred, y))
改1：
cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(labels=pred, logits=y))
报错
ValueError: No gradients provided for any variable, check your graph for ops that do not support gradients, between variables ["", "", "", "", "", ""] and loss Tensor("Mean:0", shape=(), dtype=float32).
解决办法：
cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=pred, labels=y))
运行成功

5.唐宇迪 VGG学习博客：
https://blog.csdn.net/f290131665/article/details/80455301

6.运行VGG时报错：

（1）AttributeError: module ‘scipy.misc’ has no attribute ‘imread’

解决：https://blog.csdn.net/qq_20545303/article/details/80092339
安装pillow即可。
运行出现：
2019-03-12 11:30:41.033011: W tensorflow/core/framework/allocator.cc:113] Allocation of 1118699520 exceeds 10% of system memory.

同时有conv_1和relu_1处理后的特征图出现

百度原因：显存不够，考虑减少batchsize或者crop_size。例如：train_crop_size=513。
https://blog.csdn.net/u011974639/article/details/80574306

7.运行RNN时
（1）报错TypeError: Input ‘split_dim’ of ‘Split’ Op has type float32 that does not match expected type of int32.
百度解决：
https://blog.csdn.net/wang2008start/article/details/71516198

This is because in Tensorflow versions < 0.12.0 the split function takes the arguments as:

x = tf.split(0, n_steps, x) # tf.split(axis, num_or_size_splits, value)
The tutorial you are working from was written for versions > 0.12.0, which has been changed to be consistent with Numpy’s split syntax:

x = tf.split(x, n_steps, 0) # tf.split(value, num_or_size_splits, axis)

（2）之后错误二：AttributeError: module ‘tensorflow.nn’ has no attribute ‘rnn’
百度：
https://blog.csdn.net/yutingzhaomeng/article/details/78926071
S：将tf.nn.rnn_cell替换为tf.contrib.rnn
仍没有解决