Keras设定GPU使用内存大小方式(Tensorflow backend)
本文介绍如何在Keras中使用Tensorflow后端限制GPU显存使用量。通过配置tf.GPUOptions和tf.ConfigProto，可以精确控制Keras进程占用的显存比例，避免显存溢出。
2026-10-11
6
本文介绍如何在Keras中使用Tensorflow后端限制GPU显存使用量。通过配置tf.GPUOptions和tf.ConfigProto，可以精确控制Keras进程占用的显存比例，避免显存溢出。
在 TensorFlow 中，Sign 函数在零点不可导，导致反向传播困难。本文介绍如何通过 tf.RegisterGradient 注册自定义梯度函数 QuantizeGrad，利用 tf.where 在 [-1, 1] 区间传递梯度，其他区域置零，从而实现对数值二值化操作的精确梯度处理。
本文介绍在TensorFlow中如何使用expand_dims和squeeze函数对Tensor进行维度扩展与压缩。通过具体示例说明如何指定axis参数在特定位置增加或移除尺寸为1的维度，适用于文本挖掘、Embedding处理及卷积操作前的形状调整。
本文介绍TensorFlow中两种主要的张量拼接方式：tf.concat与tf.stack。tf.concat沿现有轴拼接，保持维度数不变；tf.stack沿新轴拼接，增加维度。通过具体代码示例展示不同axis参数下的输出结果差异，帮助开发者根据需求选择合适的拼接方法。
本文介绍在TensorFlow中屏蔽Warning的几种方式，包括通过设置环境变量TF_CPP_MIN_LOG_LEVEL和Python代码中配置os.environ。详细说明了不同日志级别的含义，以及如何在Linux终端中临时或永久屏蔽Warning。
本文解决Python3.5在Windows 10环境下导入Keras时因TensorFlow依赖缺失导致的DLL加载失败报错。通过安装Microsoft Visual C++ 2015 Redistributable Update 3，并重新安装TensorFlow，可有效修复该问题。
在Django项目中调用基于TensorFlow的Keras模型时，常遇到Tensor不在当前图的ValueError。本文介绍通过导入keras模块并在加载模型后执行clear_session()及预测测试来重置计算图，从而解决该错误。
本文介绍如何使用TensorFlow内置模块查看checkpoint文件中的变量名和对应值。通过NewCheckpointReader读取checkpoint文件，利用get_variable_to_shape_map获取变量名，再通过get_tensor方法获取变量值。
本文介绍如何使用TensorFlow实现非线性支持向量机（SVM）。通过加载Iris数据集，利用高斯核函数（RBF）处理非线性分类问题。文章详细展示了损失函数的构建、梯度下降优化器的使用，以及如何通过调整gamma值来影响分类边界。最后通过可视化结果展示模型在Iris数据集上的分类效果。
本文介绍如何将TensorFlow模型的网络定义与权重参数合并导出为单个文件。通过`convert_variables_to_constants`将变量转换为常量，并使用`tf.train.write_graph`保存为`.pb`文件。文章提供了完整的代码示例，涵盖模型导出、加载以及使用自定义输入进行推理的具体操作步骤。