首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
您找到你想要的搜索结果了吗?
是的
没有找到

掌握TensorFlow1与TensorFlow2共存的秘密,一篇文章就够了

TensorFlow是Google推出的深度学习框架,也是使用最广泛的深度学习框架。目前最新的TensorFlow版本是2.1。可能有很多同学想跃跃欲试安装TensorFlow2,不过安装完才发现,TensorFlow2与TensorFlow1的差别非常大,基本上是不兼容的。也就是说,基于TensorFlow1的代码不能直接在TensorFlow2上运行,当然,一种方法是将基于TensorFlow1的代码转换为基于TensorFlow2的代码,尽管Google提供了转换工具,但并不保证能100%转换成功,可能会有一些瑕疵,而且转换完仍然需要进行测试,才能保证原来的代码在TensorFlow2上正确运行,不仅麻烦,而且非常费时费力。所以大多数同学会采用第二种方式:在机器上同时安装TensorFlow1和TensorFlow2。这样以来,运行以前的代码,就切换回TensorFlow1,想尝鲜TensorFlow2,再切换到TensorFlow2。那么具体如何做才能达到我们的目的呢?本文将详细讲解如何通过命令行的方式和PyCharm中安装多个Python环境来运行各个版本TensorFlow程序的方法。

04

python sys模块详解

sys.argv           命令行参数List,第一个元素是程序本身路径 sys.modules.keys() 返回所有已经导入的模块列表 sys.exc_info()     获取当前正在处理的异常类,exc_type、exc_value、exc_traceback当前处理的异常详细信息 sys.exit(n)        退出程序,正常退出时exit(0) sys.hexversion     获取Python解释程序的版本值,16进制格式如:0x020403F0 sys.version        获取Python解释程序的版本信息 sys.maxint         最大的Int值 sys.maxunicode     最大的Unicode值 sys.modules        返回系统导入的模块字段,key是模块名,value是模块 sys.path           返回模块的搜索路径,初始化时使用PYTHONPATH环境变量的值 sys.platform       返回操作系统平台名称 sys.stdout         标准输出 sys.stdin          标准输入 sys.stderr         错误输出 sys.exc_clear()    用来清除当前线程所出现的当前的或最近的错误信息 sys.exec_prefix    返回平台独立的python文件安装的位置 sys.byteorder      本地字节规则的指示器,big-endian平台的值是'big',little-endian平台的值是'little' sys.copyright      记录python版权相关的东西 sys.api_version    解释器的C的API版本 sys.version_info >>> sys.version_info (2, 4, 3, 'final', 0) 'final'表示最终,也有'candidate'表示候选,表示版本级别,是否有后继的发行 sys.displayhook(value)      如果value非空,这个函数会把他输出到sys.stdout,并且将他保存进__builtin__._.指在python的交互式解释器里,'_' 代表上次你输入得到的结果,hook是钩子的意思,将上次的结果钩过来 sys.getdefaultencoding()    返回当前你所用的默认的字符编码格式 sys.getfilesystemencoding() 返回将Unicode文件名转换成系统文件名的编码的名字 sys.setdefaultencoding(name)用来设置当前默认的字符编码,如果name和任何一个可用的编码都不匹配,抛出 LookupError,这个函数只会被site模块的sitecustomize使用,一旦别site模块使用了,他会从sys模块移除 sys.builtin_module_names    Python解释器导入的模块列表 sys.executable              Python解释程序路径 sys.getwindowsversion()     获取Windows的版本 sys.stdin.readline()        从标准输入读一行,sys.stdout.write("a") 屏幕输出a

01

武大最新妆容迁移模型 SSAT 效果超越PSGAN!上手超容易!AAAI 2022

化妆迁移不仅是提取参考图像的化妆风格,而且是将化妆风格渲染到目标图像的语义对应位置。然而,大多数现有的方法侧重于前者而忽视后者,导致无法达到预期的结果。为了解决上述问题,我们提出了一种统一的对称语义感知变换器(SSAT)网络,该网络结合了语义对应学习来同时实现补足转移和补足移除。在SSAT中,提出了一种新的对称语义对应特征转移(SSCFT)模块和一种弱监督语义丢失模型,以便于建立精确的语义对应。在生成过程中,利用SSCFT对提取的化妆特征进行空间扭曲,实现与目标图像的语义对齐,然后将扭曲的化妆特征与未修改的化妆无关特征相结合,生成最终结果。实验表明,我们的方法获得了更加直观准确的化妆转移结果,与其他最先进的化妆转移方法相比,用户研究反映了我们方法的优越性。此外,我们还验证了该方法在表情和姿势差异、对象遮挡场景等方面的鲁棒性,并将其扩展到视频合成传输中

02

扫码

添加站长 进交流群

领取专属 10元无门槛券

手把手带您无忧上云

扫码加入开发者社群

相关资讯

热门标签

活动推荐

    运营活动

    活动名称
    广告关闭
    领券