使用tensorflow自带的tf.random_crop()、tf.image.random_flip_left_right()、以及random_contrast()等函数处理图像数据时，不仅需要使用session，而且处理速度非常慢。使用Pillow库完成这些函数接口，在实际数据处理时就非常快速和方便。#!/usr/bin/env python#-*- coding:utf-8 -*-

使用Tensorflow进行深度学习训练的时候，需要对训练好的网络模型和各种参数进行保存，以便在此基础上继续训练或者使用。介绍这方面的博客有很多，我发现写的最好的是这一篇官方英文介绍：http://cv-tricks.com/tensorflow-tutorial/save-restore-tensorflow-models-quick-complete-tutorial/我对这篇文章

定义在函数内部的变量拥有一个局部作用域，定义在函数外的拥有全局作用域。局部变量只能在其被声明的函数内部访问，而全局变量可以在整个程序范围内访问。调用函数时，所有在函数内声明的变量名称都将被加入到作用域中。#!/usr/bin/python# -*- coding: UTF-8 -*-total = 0; # 这是一个全局变量# 可写函数说明def sum( a

当需要使用python读取配置文件时，需要使用到python的ConfigParser模块。下面举个栗子。首先创建init格式的配置文件0.init：[global]id = 0object_x = 0.003[world]id = 12object_x = 0.14在python中读取并使用配置文件中的内容：#! /usr/bin/pythonimport Con

Regularizer是防止网络过拟合的一种有效方法。这篇文章主要探讨如何在自己的网络模型中加入正则化，防止过拟合。首先我们看一下正则化的基本使用方法，这篇博客给出了一个使用的例子：http://www.cnblogs.com/linyuanzhou/p/6923607.html#!/usr/bin/env python#-*- coding:utf-8 -*-########

使用tensorflow自带的tf.random_crop()、tf.image.random_flip_left_right()、以及random_contrast()等函数处理图像数据时，不仅需要使用session，而且处理速度非常慢。使用Pillow库完成这些函数接口，在实际数据处理时就非常快速和方便。#!/usr/bin/env python#-*- coding:utf-8 -*-