报错记录TensorFlow

运行代码之后，控制台除了输出应该有的结果外，还多了一行：
I T:srcgithub ensorflow ensorflowcoreplatformcpu_feature_guard.cc:140] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2

就是说您当前的CPU可以支持未编译为二进制的指令AVX2
要想消除该提示，需要在代码中添加两行代码：

import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

查阅有得知，这行代码是用于设置TensorFlow的日志级别的。
-----------------------------------------------------------------------------------------------------------------------------------------

2.

TensorFlow中出现with tf.Session as sess: AttributeError: __enter__错误解决方法

其实该类问题对于新手(鄙人就是)而言很常见：AttributeError表示所调用对象属性错误，记住Python是面向对象语言，该错误就是Python异常类的错误。

#创建一个会话运行TensorFlow程序
with tf.Session as sess:
init_op = tf.global_variables_initializer()
#初始化变量
sess.run(init_op)

print(sess.run(w1))
print(sess.run(w2))
这段程序会报错，因为调用的是TensorFlow的Session函数，而不是Session变量，所以必须写成tf.Session(),加上括号之后就不会出现编译错误。

with tf.Session() as sess:
init_op = tf.global_variables_initializer()
#初始化变量
sess.run(init_op)

print(sess.run(w1))
print(sess.run(w2))
诸如此类的错误，一定要深刻记住，要调用某一个功能函数要加括号，毕竟你说调用的函数不是一个变量。

-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

TypeError: The value of a feed cannot be a tf.Tensor object. Acceptable feed values include Python scalars, strings, lists, numpy ndarrays, or TensorHandles.For reference, the tensor object was Tensor("ExpandDims:0", shape=(1, 28, 28, 1), dtype=float32) which was passed to the feed with key Tensor("input0:0", dtype=float32).

将Tensor转为array

 lbb=onehot_labels.eval()

　　张量直接转列表

即可，因为参数类型不接受张量，接受列表等

------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Tensorflow中张量数据类型的转换

字符串转为数字：
tf.string_to_number
(string_tensor, out_type=None, name=None)

转为64位浮点类型–float64：
tf.to_double(x, name=’ToDouble’)


转为32位浮点类型–float32：
tf.to_float(x, name=’ToFloat’)


转为32位整型–int32：
tf.to_int32(x, name=’ToInt32’)


转为64位整型–int64：
tf.to_int64(x, name=’ToInt64’)


将x或者x.values转换为dtype
# tensor a is [1.8, 2.2], dtype=tf.float
# tf.cast(a, tf.int32) ==> [1, 2]，dtype=tf.int32
tf.cast(x, dtype, name=None)

　　

InvalidArgumentError (see above for traceback): Cannot assign a device for operation 'shuffle_batch': Could not satisfy explicit device specification '/device:GPU:0' because no supported kernel for GPU devices is available.

with tf.Session(config=tf.ConfigProto(allow_soft_placement=True)) as sess: