TS' Blog

以前这篇文章是发在CSDN上面的，访问量已经9000多了，应该还是帮过不少人吧。。这次重新更新整理到hexo上面。

摘要：这篇论文要解决的问题是表观年龄估计，即从给定人脸的图片估计该人的外表年龄，而非真实年龄（某个人可能实际50岁，但是在标注者眼中看起来像35岁），面临的最大问题是表观年龄数据样本少。

在Anaconda中，安装Scrapy很简单，只需要conda install scrapy就ok了，但是在命令行中使用scrapy -h的时候，出现了ImportError: DLL load failed: 操作系统无法运行 %1。的错误。

查找了一下资料，发现这个问题实质是OpenSSL版本的问题。

今天刚好复习了C++ Primer中关于数组指针的内容，理清了数组指针的几个问题。

有时候，我们需要将TensorFlow的模型导出为单个文件（同时包含模型架构定义与权重），方便在其他地方使用（如在c++中部署网络）。利用tf.train.write_graph()默认情况下只导出了网络的定义（没有权重），而利用tf.train.Saver().save()导出的文件graph_def与权重是分离的，因此需要采用别的方法。

通常情况下，我们在训练网络时添加summary都是通过如下方式：

1
2
3
4
5
6

tf.scalar_summary(tags, values)
# ...
summary_op = tf.summary.merge_all()
summary_writer = tf.summary.FileWriter(logdir, graph=sess.graph)
summary_str = sess.run(summary_op)
summary_writer.add_summary(summary_str, global_step)

当我们自己想添加其他数据到TensorBoard的时候（例如验证时的loss等），这种方式显得太过繁琐，其实我们可以通过如下方式添加自定义数据到TensorBoard内显示。

踩了很多坑，终于在Ubuntu14.04+cuda8.0+Anaconda3环境下成功编译Caffe。

OpenCV3已经开始支持python3版本了，但是需要自己编译，以下简要记录一下编译的流程。

TensorFlow是Google推出的一个数值计算库，下面详述一下我个人推荐的安装方法。