目录
- 0. 简介
- 1. 安装
- 1.1 安装 CUDA 和 cuDNN
- 2. 数据集
- 2.1 使用 tensorflow_datasets 导入公共数据集
- 2.2 数据集过大导致内存溢出
- 2.3 加载 cifar10 数据时报错
- 3. 评价指标
- 3.1 实现 F1 socre、precsion、recall
- 4. 优化器
- 4.1 AdamW 优化器示例程序
- 4.2 tf.keras 1.x 在使用 learning rate decay 时不要使用 tf.train 内的优化器
- 5. 模型
- 5.1 模型复现
- 5.2 加载 AlexNet 预训练模型
- 5.3 循环训练模型导致 OOM
- 6. TensorFlow API 变化
- 5.1 TF 1.x 到 TF 2.0 API 变化，随机种子、动态分配显存
- 5.2 TF 2.1 API 变化
0. 简介
记录使用 tf.keras 时遇到的各种问题。
tf.keras 是 keras 的未来，keras 作为 TensorFlow 的高级 API，大大简化 TensorFlow 代码的编写过程。
Keras（单独的）、TensorFlow 1.x 和 TensorFlow 2.0 的 keras API 变化不大，手册可以通用。
tf.keras 快速入门：初学者的 TensorFlow 2.0 教程 | TensorFlow Core
1. 安装
1.1 安装 CUDA 和 cuDNN
【tf.keras】Linux 非 root 用户安装 CUDA 和 cuDNN
2. 数据集
2.1 使用 tensorflow_datasets 导入公共数据集
【tf.keras】tensorflow datasets，tfds
2.2 数据集过大导致内存溢出
【tf.keras】在 cifar 上训练 AlexNet，数据集过大导致 OOM
2.3 加载 cifar10 数据时报错
【tf.keras】ssl.SSLError: [SSL: DECRYPTION_FAILED_OR_BAD_RECORD_MAC] decryption failed or bad record mac (_ssl.c:1977)
3. 评价指标
3.1 实现 F1 socre、precsion、recall
在整个数据集而不是单个 batch 上实现 F1 socre、precsion、recall 等评价指标：
【tf.keras】实现 F1 score、precision、recall 等 metric
4. 优化器
4.1 AdamW 优化器示例程序
【tf.keras】AdamW: Adam with Weight decay
4.2 tf.keras 1.x 在使用 learning rate decay 时不要使用 tf.train 内的优化器
【tf.keras】tf.keras使用tensorflow中定义的optimizer
5. 模型
5.1 模型复现
【tf.keras】tf.keras模型复现
（注意：在CPU上训练才能完全复现模型）
5.2 加载 AlexNet 预训练模型
【tf.keras】tf.keras加载AlexNet预训练模型
5.3 循环训练模型导致 OOM
【tf.keras】Resource exhausted: OOM when allocating tensor with shape [9216,4096] and type float on /job:localhost/replica:0/task:0/device:GPU:0 by allocator GPU_0_bfc
6. TensorFlow API 变化
5.1 TF 1.x 到 TF 2.0 API 变化，随机种子、动态分配显存
【tf.keras】TensorFlow 1.x 到 2.0 的 API 变化
5.2 TF 2.1 API 变化
TensorFlow 2.1 将 fit_generator(), evaluate_generator(), predict_generator() 等函数分别合并到 fit(),evaluate(),predict() 里。