一、tensorflow读取各层输出？
tf1.0中通过带weight的pb文件与get_tensor_by_name函数可以获取每一层的输出
import os
import os.path as ops
import argparse
import time
import math
import tensorflow as tf
import glob
import numpy as np
import matplotlib.pyplot as plt
import cv2
os.environ["CUDA_VISIBLE_DEVICES"] = "-1"
gragh_path = './model.pb'
image_path = './lvds1901.JPG'
inputtensorname = 'input_tensor:0'
tensorname = 'loss/inference/encode/resize_images/ResizeBilinear'
filepath='./net_output.txt'
HEIGHT=256
WIDTH=256
VGG_MEAN = [103.939, 116.779, 123.68]
with tf.Graph().as_default():
graph_def = tf.GraphDef()
with tf.gfile.GFile(gragh_path, 'rb') as fid:
serialized_graph = fid.read()
graph_def.ParseFromString(serialized_graph)
tf.import_graph_def(graph_def, name='')
image = cv2.imread(image_path)
image = cv2.resize(image, (WIDTH, HEIGHT), interpolation=cv2.INTER_CUBIC)
image_np = np.array(image)
image_np = image_np - VGG_MEAN
image_np_expanded = np.expand_dims(image_np, axis=0)
with tf.Session() as sess:
ops = tf.get_default_graph().get_operations()
tensor_name = tensorname + ':0'
tensor_dict = tf.get_default_graph().get_tensor_by_name(tensor_name)
image_tensor = tf.get_default_graph().get_tensor_by_name(inputtensorname)
output = sess.run(tensor_dict, feed_dict={image_tensor: image_np_expanded})
ftxt = open(filepath,'w')
transform = output.transpose(0, 3, 1, 2)
transform = transform.flatten()
weight_count = 0
for i in transform:
if weight_count % 10 == 0 and weight_count != 0:
ftxt.write('\n')
ftxt.write(str(i) + ',')
weight_count += 1
ftxt.close()
二、tensorflow是什么语言？
TensorFlow 是一个表达机器学习算法的接口，并且是执行算法的实现框架。使用 TensorFlow 表示的计算可以在众多异构的系统上方便地移植，从移动设别如手机或者平板电脑到成千的GPU计算集群上都可以执行。该系统灵活，可以被用来表示很多的算法包括，深度神经网络的训练和推断算法，也已经被用作科研和应用机器学习系统在若干的计算机科学领域或者其他领域中，例如语言识别、计算机视觉、机器人、信息检索、自然语言理解、地理信息抽取和计算药物发现。
关注优就业，学习更多IT知识。
三、keras和tensorflow区别？
两者的区别
1.tensorflow 好比是木头，Keras 好比是拿 tensorflow 做好的木板。如果你盖的房子简单，形状大众，Keras 调用起来会很方便。但如果想设计特殊的房子，那就要从木料开始。
2.tensorflow 已经可以调用 keras相关函数. keras的关键计算依托于tensorflow 或者 theano. theano不更新了，keras封装的比较好。初学和入门的话建议用 keras。但是想要深入或者做自己的项目的话建议用 tensorflow。
四、tensorflow是软件吗？
tensorflow不是软件，TensorFlow 是由 Google Brain 团队为深度神经网络（DNN）开发的功能强大的开源软件库，于 2015 年 11 月首次发布，在 Apache 2.x 协议许可下可用。截至今天，短短的两年内，其 GitHub 库大约 845 个贡献者共提交超过 17000 次，这本身就是衡量 TensorFlow 流行度和性能的一个指标。
五、tensorflow人脸识别优点？
和TensorFlow对应的是Theano，Torch，而Caffe专精于图像处理。如果就是一个标准图像处理应用，Caffe会很方便，仍然有其存在的价值。而在一般的DL task上，Caffe本来就不如Theano之流，也无所谓取代。
六、opencv与tensorflow区别？
OpenCV是计算机视觉库，Tensorflow是深度学习框架。
包含了大量的图像处理和计算机视觉的算法，但是在机器学习方面明显不足，ML模块只有SVM，MLP，kNN等有限的几种算法。dnn模块也是调用别的框架。
Tensorflow是专为深度学习而生，可以方便的实现各种深度学习算法。
二者不属于同一领域，做视觉用OpenCV，做深度学习用Tensorflow。或者二者结合做图像识别等等。
七、tensorflow下不了咋办？
TensorFlow在Windows中的安装
首先安装最新版的 Anaconda（>= Python 3.6）
Windows+R，输入 CMD 打开命令窗，安装 CPU 版本
pip install --upgrade tensorflow
GPU版本的安装过程则相对复杂，除了要考虑电脑是否支持GPU版本（主要是看显卡）外，还有cuda等的安装以及版本号对应的问题
八、pycharm下载不了tensorflow？
可以在设置中进行下载，网络可能有延迟
九、anaconda和tensorflow关系？
我们需要Anaconda帮我们把房间打好隔断，然后我们再在书房装上TensorFlow来进行我们的任务。
十、pycharm安装tensorflow太慢？
安装tensorflow的速度取决于电脑内存和网速大小。