1.argparse基本用法
2.importlib.import_module匯入模組函式
model = importlib.import_module(flags.model,package='models') # import network module,models資料夾下的3dcnn檔案
pointclouds_pl, labels_pl = model.placeholder_inputs(batch_size, 30, 30, 30, 1, num_classes)
3.tf.placeholder函式佔位構建整個計算圖，用於輸入輸出
tf.placeholder( #函式形式
dtype,
shape=none,
name=none
)#使用：
pointclouds_pl = tf.placeholder(tf.float32, [batch_size, depth, height, width,channels])
labels_pl = tf.placeholder(tf.int32, [batch_size, num_classes])
feed_dict =
loss_val, pred_val = sess.run([ops['loss'], ops['pred']],
feed_dict=feed_dict)
tf.get_variable(name, shape, initializer): name就是變數的名稱，shape是變數的維度，initializer是變數初始化的方式，初始化的方式有以下幾種：（tf.constant_initializer：常量初始化函式；tf.random_normal_initializer：正態分佈;tf.truncated_normal_initializer：擷取的正態分佈；tf.random_uniform_initializer：均勻分布；tf.zeros_initializer：全部是0；tf.ones_initializer：全是1；tf.uniform_unit_scaling_initializer：滿足均勻分布，但不影響輸出數量級的隨機值）,該函式會根據變數是否存在決定重用變數或新建變數。
tf.variable_scope劃分變數的作用域，使得在不同作用域下變數可以取得相同的變數名（待更改，暫時不會）
with tf.variable_scope("conv1") as scope:
out_filters = 20
kernel = _weight_variable("weights", [7, 7, 7, in_filters, out_filters])
conv = tf.nn.conv3d(point_cloud, kernel, [1, 1, 1, 1, 1], padding="same")
biases = _bias_variable("biases", [out_filters])
bias = tf.nn.bias_add(conv, biases)
conv1 = tf.nn.relu(bias, name=scope.name)
print_activations(conv1)
prev_layer = conv1
in_filters = out_filters
# (2)
pool1 = tf.nn.max_pool3d(prev_layer, ksize=[1, 2, 2, 2, 1], strides=[1, 2, 2, 2, 1], padding="same")
norm1 = pool1
print_activations(pool1)
# (3)
prev_layer = norm1
with tf.variable_scope("conv2") as scope:
out_filters = 20
kernel = _weight_variable("weights", [5, 5, 5, in_filters, out_filters])
conv = tf.nn.conv3d(prev_layer, kernel, [1, 1, 1, 1, 1], padding="same")
biases = _bias_variable("biases", [out_filters])
bias = tf.nn.bias_add(conv, biases)
conv2 = tf.nn.relu(bias, name=scope.name)
print_activations(conv2)
prev_layer = conv2
in_filters = out_filters
tensorflow相關函式學習
1 tf.argmax 中有兩個引數，第乙個引數是矩陣，第二個引數是0或者1。0表示的是按列比較返回最大值的索引，1表示按行比較返回最大值的索引 2 tf.equal a,b 是對比這兩個矩陣或者向量的相等的元素，如果是相等的那就返回true，反正返回false，返回的值的矩陣維度和a是一樣的 3 ...
tensorflow2 1中相關函式學習
from future import absolute import,division,print function,unicode literals import pathlib import os import matplotlib.pyplot as plt import pandas as ...
MySql函式學習（一）
一 mysql日期和時間函式 1 curdate 返回當前日期 2 curtime 返回當前時間 3 now 返回當前的日期和時間 4 unix timestamp date 返回日期date的unix時間戳 5 week date 返回日期date為一年中的第幾周 6 year date 返回日期...