Posted on

参考资料依旧为《人工智能原理与实践-基于python语言和tensorFlow》
使用 TensorBoard

安装方式为：在conda终端中输入：
conda install tensorboard
然后，生成图
writer = tf.summary.FileWriter('.\my_graph',sess.graph)
退出后再终端输入
tensorboard --logdir="my_graph"

Posted on

首先测试了一个书上样例：

1
2
3
4
5
6
7
8
9
10
import tensorflow as tf
a = tf.constant(5,name="input_a")
b = tf.constant(3,name="input_b")
c = tf.multiply(a,b,name="mul_c")
d = tf.add(a,b,name="add_d")
e = tf.add(c,d,name="add_e")

sess = tf.Session()
sess.run(e)

报错：

1
2
3
4
  File "C:\Users\qinsi\tensorflow_workspace\steam_tf.py", line 8, in <module>
    sess = tf.Session()
AttributeError: module 'tensorflow' has no attribute 'Session'

这个在昨天的样例中碰到过，是v1和v2的版本区别。
修改为
sess = tf.compat.v1.Session()
后可以跑起来，在run步骤报如下错误：
Tensor.graph is meaningless when eager execution is enabled.
先找了一个hello跑了一下，可用：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
#!/usr/bin/env python
# -*- coding: utf-8 -*-
# @File  : TensorFlow入门操作.py
# @Author: 赵路仓
# @Date  : 2020/3/26
# @Desc  :
# @Contact : 398333404@qq.com

import tensorflow as tf
import os
os.environ["CUDA_VISIBLE_DEVICES"]="0"

tf.compat.v1.disable_eager_execution()
hello=tf.constant('---Hello,TensorFlow')
config=tf.compat.v1.ConfigProto()
config.gpu_options.per_process_gpu_memory_fraction = 0.9
sess=tf.compat.v1.Session(config=config)
print(sess.run(hello))

然后查阅资料修改文件，找到一个比较通用的方法，在前面添加如下语句：

1
2
3
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()

整个程序如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
#!/usr/bin/env python
# -*- coding: utf-8 -*-
# @File  : TensorFlow入门操作2.py
# @Author: qinsibo.com
# @Date  : 2022/02/06
# @Desc  :
# @Contact : qinsibo@sohu.com
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()

a = tf.constant(5,name="input_a")
b = tf.constant(3,name="input_b")
c = tf.multiply(a,b,name="mul_c")
d = tf.add(a,b,name="add_d")
e = tf.add(c,d,name="add_e")
# 关闭动态图机制
tf.compat.v1.disable_eager_execution()
#  
tf.compat.v1.get_default_graph()
sess =  tf.compat.v1.Session()
hello=tf.constant('---Hello,TensorFlow')
#print(sess.run(hello))
print(sess.run(e))
sess.close()

输入结果为：

1
2
3
4
5
6
7
8
9
(TensorFlowGPU3_9) C:\Users\qinsi\tensorflow_workspace>python steam_tf.py
WARNING:tensorflow:From C:\Users\qinsi\anaconda3\envs\TensorFlowGPU3_9\lib\site-packages\tensorflow\python\compat\v2_compat.py:107: disable_resource_variables (from tensorflow.python.ops.variable_scope) is deprecated and will be removed in a future version.
Instructions for updating:
non-resource variables are not supported in the long term
2022-02-06 13:10:41.291245: I tensorflow/core/platform/cpu_feature_guard.cc:151] This TensorFlow binary is optimized with oneAPI Deep Neural Network Library (oneDNN) to use the following CPU instructions in performance-critical operations:  AVX AVX2
To enable them in other operations, rebuild TensorFlow with the appropriate compiler flags.
2022-02-06 13:10:41.798922: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1525] Created device /job:localhost/replica:0/task:0/device:GPU:0 with 1360 MB memory:  -> device: 0, name: NVIDIA GeForce GTX 750 Ti, pci bus id: 0000:01:00.0, compute capability: 5.0
23

结果正确
手里的资料还是有点老，后续争取找一下tf2的相关资料进行进一步学习。

Posted on

步骤：
1.下载anaconda虚拟环境，默认安装
2.下载CUDA-tools，默认安装 。测试是否成功方法，打开命令行，输入nvcc -V 看到类似如下版本号等信息就是成功

1
2
3
4
5
6
7
(TensorFlowGPU3_9) C:\Users\qinsi>nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2021 NVIDIA Corporation
Built on Fri_Dec_17_18:28:54_Pacific_Standard_Time_2021
Cuda compilation tools, release 11.6, V11.6.55
Build cuda_11.6.r11.6/compiler.30794723_0

3.在anaconda中选择environments 选择中间最下面的create，创建默认环境TensorFlowGPU3_9
4.点三角号启动,选择Open Terminal
5.输入pip install tensorflow-gpu
注意：如报错，可尝试先安装pip install pip-search

6.安装完成后，python执行，然后

import tensorflow as tf
hello = tf.constant(‘hello,tf’)
sess = tf.compat.v1.Session()

输出显卡信息：
2022-02-06 02:32:19.969053: I tensorflow/core/platform/cpu_feature_guard.cc:151] This TensorFlow binary is optimized with oneAPI Deep Neural Network Library (oneDNN) to use the following CPU instructions in performance-critical operations: AVX AVX2
To enable them in other operations, rebuild TensorFlow with the appropriate compiler flags.
2022-02-06 02:32:20.583606: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1525] Created device /job:localhost/replica:0/task:0/device:GPU:0 with 1360 MB memory: -> device: 0, name: NVIDIA GeForce GTX 750 Ti, pci bus id: 0000:01:00.0, compute capability: 5.0
表示安装成功。

Posted on

使用Atlas平台进行调试
参照华为 陈老师的相关教程
陈老师的gitee地址：
https://gitee.com/shiner-chen
手头设备平台为：
DLAP221

计划为
1.按照陈老师的样子搭建vscode调试环境
2.以图片修改例子为基础，确认开发流程

Posted on

在linux环境下挂载windows分区失败，dmesg提示
ntfs: (device sda9): parse_options(): Unrecognized mount option windows_names.
安装ntfs工具解决。

Posted on

单位有个项目用arm9，使用一个老版本的交叉编译GCC，原有开发环境构建于32位linux。

最近该项目开始二开，领到新电脑的员工发现只能使用uefi引导，导致原指定操作系统无法使用，体现为安装后无法启动系统。

经过分析和查阅，认为是该32位系统无法支持uefi，鉴于后续64位系统将成为主流，有必要将开发环境迁移到64位系统上。初步考虑mint 19.4，安装后无法启动，提示init文件错误，查阅认为efi问题。gentoo尝试成功，但配置过程复杂且不适合作为公司开发环境。选择轻量级lubuntu，发现制作的u盘可以被正确识别和启动，但是同样存在安装到硬盘后无法启动系统的情况，于是考虑通过u盘做过渡，使用本地硬盘+u盘启动的方式，考虑u盘主要用于引导，其中内核部分放在内存，而基本工具可以使用硬盘分区，速度影响应该可接受。

首先修改u盘根目录下/boot/下grub.cfg的参数,删除quiet和splash（便于观察启动信息），删除boot=casper（该选项是通知内核使用liveCD方式启动，最后会导致系统以CDROM方式挂载。

为了能够具有一定的通用性，使用UUID指定启动盘，root=UUID=（号码），UUID通过blkid 获得 blkid /dev/sdc2

测试U盘内核似乎有一些问题，使用安装后的boot分区的内核和image替代。

启动后发现启动项，选择后，可正确引导进入linux桌面，根分区可读写。

后续花絮：

在安装环境中发现lubuntu各种缺东西，一怒之下换成了kubunut，直接安装成功（哭笑不得脸）。

Posted on

在命令行输入ssh-keygen –t rsa –C “johndoe@doebrothers.com“
敲三个回车之后，在用户/用户名/.ssh目录下生成两个文件，其中.pub是公钥（上传到github）

Posted on

使用KDE Plasma 5.15 ，启动器为sddm，发现在启动器界面和进入桌面过程出现闪烁。
查阅资料，有说法为intel使用开源驱动默认会导致该问题，Intel显卡的加速选项有默认方式（glamor）、加速模式（sna）和兼容模式（uxa），修改了Intel显卡的Xorg配置文件为Intel加速模式（sna），问题可解决（参照深度论坛)
在/etc/X11/xorg.conf.d/下新建20-intel.conf，内容为：

1
2
3
4
5
6
7
8
Section "Device"
    Identifier "Intel Graphics"
    Driver "intel"
        Option "DRI" "3"        
        Option "AccelMethod" "sna"
        #Option "PageFlip" "False"
        #Option "TearFree" "True"
EndSection

打包备份后删除原有的20opengl.conf.gz
重启电脑后该问题解决

Posted on

下载了一个驱动，打开看了下，是MT7601U，在内核中查找后发现内核已经自带该驱动。
mask MT7601U (drivers) to M ,
build kernel
enjoy~