Tensorflow在linux中运行的时候进入的一些坑及自己找到的一些办法

入坑

• 1：Linux 的批处理文件 .sh文件 命令的连接符问题
• 2：object dection 测试代码中，测试出来的图像不显示
• 3：在进行对Google官方代码修改的时候，如果进行对学习率 learning_rate 的改变 — 如果只是直接用tf.assign()赋值操作，则会报一下错误： `‘float’ object has no attribute ‘dtype’
• `tensorflow/core/framework/allocator.cc:124] Allocation of 708083712 exceeds 10% of system memory.

跳坑

• 1：还没有解决 …
• 2：在代码的循环最后，加上 plt.show()即可。
• 3：这是因为如果在初始化学习率 lr 的时候, TF默认用的是 float 类型，所以在 TF 解析的时候会解析成 python 的 float 类型，而不是 TF 的 float 类型，所以会有错误。
  如果把赋值的 lr 修改成 np.arrar(lr)仍然是不行的，错误仍然存在。 仍然会报错。解决方法是：一定要对 lr 先进行初始化为一个变量，然后对 lr 再赋值。具体执行是：先将 lr 用TF 函数初始化一个变量，然后在自己的优化器 optimizer 中将 lr 作为一个参数传进去，之后可以在 session 中先初始化这个变量，进而再运行 train_step 即可。
• 4：batch_size过大，调小设定的 batch_size 即可