windows下TensorFlow中匯入cifar-10資料集時出現的錯誤/git clone錯誤
Windows環境下TensorFlow中匯入cifar-10資料集時出現的錯誤
error:RPC failed;curl 56 OpenSSL SSL_read:SSL_ERROR_SYSCALL,errno 10054
ffatal:early EOF
atal:The remote end hung up unexpectedly
fatal:index-pack failed
在TensorFlow中想要引用cifar10資料集時，匯入cifar10時，總是出錯，就是下面會有紅色的下劃線。
下面寫一下我的配置步驟：
1.首先要把那個包下載下來
然後解壓到當前檔案。
2.下載之後在cmd裡面執行命令
git clone https://github.com/tensorflow/models.git
執行這條命令出現過幾個錯誤：
第一、沒有配置git ,去網上下載一下然後進行安裝就可以了。
第二、會出現第一張圖中的錯誤，就是下載到一半就突然失敗了，上網查了很多例子，最後通過一行神奇的小命令解決了。
git config --global http.sslVerify false
就是把它輸入進去，然後就沒問題了。
在終端輸入
git clone https://github.com/tensorflow/models.git
下載完後再輸入
cd models/tutorials/image/cifar10
如果還是不行就在pycharm中改下設定
file->settings->project->project structure->Add Content Root->選擇cifar10路徑
然後在pycharm中import cifar10,cifar10_input就沒問題了。
相關推薦
windows下TensorFlow中匯入cifar-10資料集時出現的錯誤/git clone錯誤
Windows環境下TensorFlow中匯入cifar-10資料集時出現的錯誤error:RPC failed;curl 56 OpenSSL SSL_read:SSL_ERROR_SYSCALL,errno 10054ffatal:early EOFatal:The re
深度學習之TensorFlow使用CNN測試Cifar-10資料集（Python實現）
題目描述： 1. 對Cifar-10影象資料集，用卷積神經網路進行分類，統計正確率。 2.選用Caffe, Tensorflow, Pytorch等開 源深度學習框架之一，學會安裝這些框架並呼叫它們的介面。 3.直接採用這些深度學習框架針對Cifar-10資料集已訓練好的網路模型，只
Tensorflow官網CIFAR-10資料分類教程程式碼詳解
標題 概述 對CIFAR-10 資料集的分類是機器學習中一個公開的基準測試問題，本教程程式碼通過解決CIFAR-10資料分類任務，介紹了Tensorflow的一些高階用法，演示了構建大型複雜模型的一些重要技巧，著重於建立一個規範的網路組織結構，訓練並進行評估，為建立更大規模更加複雜的
vs2017 VGG19處理cifar-10資料集--更進一步的學習tensorflow相關知識
這是針對於部落格vs2017安裝和使用教程（詳細）的VGG19-CIFAR10專案新建示例 目錄 一、程式碼(附有重要的註釋) 二、專案結構 三、VGG簡介 四、程式執行關鍵部分解析 五、訓練過程和結果 六、參考部落格和文獻 一、程式碼(附有重要的註釋)
在windows下使用postgreSQL匯入tpch的資料表
初學資料庫，老師要求我們去熟悉postgreSQL，並且要求使用tpch的資料。今天在使用dbgen生成資料以及匯入資料到postgre的過程中遇到一些問題，也在網上看了許多資料，幾番折騰之後最終也算解決了問題，現在來把今天使用dbgen的流程和遇到的問題以及解決方案總結一
Tensorflow深度學習之二十一：LeNet的實現（CIFAR-10資料集）
一、LeNet的簡介 LeNet是一個用來識別手寫數字的最經典的卷積神經網路，是Yann LeCun在1998年設計並提出的。Lenet的網路結構規模較小，但包含了卷積層、池化層、全連線層，他們都構成了現代CNN的基本元件。 LeNet包含輸入層在內共有
Tensorflow深度學習之二十二：AlexNet的實現（CIFAR-10資料集）
二、工程結構 由於我自己訓練的機器記憶體視訊記憶體不足，不能一次性讀取10000張圖片，因此，在這之前我按照圖片的類別，將每一張圖片都提取了出來，儲存成了jpg格式。與此同時，在儲存圖片的過程中，儲存了一個python的dict結構，鍵為每一張圖片的相對地
TensorFlow學習－－卷積神經網路訓練CIFAR-10資料集
CIFAR-10資料集 CIFAR-10資料集包含10個類的60000張32x32的彩色影象，每個類有6000張影象。 有50000張訓練影象和10000張測試影象。 10個分類明細及對應的部分圖片： 卷積神經網路訓練CIFAR-10資料集
關於cifar-10資料集讀取問題
資料集下載後是特定格式，需要編寫函式進行讀取。讀取後是dict格式，有4個鍵及其對應的若干值，如何準確讀取並修改影象維度，使用reshape會發現資料錯亂。 每個檔案中資料儲存格式為dict字典，鍵值為b’data’的為圖片資料，是一個10000 * 3072（32 * 32 * 3）
Cifar-10資料集的視覺化儲存
學習Tensorflow或深度學習，難免用到各種資料集， 最近用到cifar10資料集，簡單研究了下，然後把cifar-10資料集儲存為jpg圖片，分別利用python和c++做了實現。 關於cifar-10，網上介紹很多，這裡主要用了python和binar
機器學習學習筆記：用MiniVGGNet處理Cifar-10資料集
0. 引言 VGGNet，由Simonyan和Zisserman在2014年提出，論文名字是《Very Deep Learning Convolutional Neural Networks for Large-Scale Image Recognition》。他們做出的貢
深度學習入門——利用卷積神經網路訓練CIFAR—10資料集
CIFAR-10資料集簡介 CIFAR-10是由Hinton的學生Alex Krizhevsky和Ilya Sutskever整理的一個用於普適物體的小型資料集。它一共包含10個類別的RGB彩色圖片：飛機、汽車、鳥類、貓、鹿、狗、蛙類、馬、船： 資料集包含50000張訓練圖片和1000
windows 下訓yolov3練自己的資料集
在win10下用yolov3訓練自己的資料集 轉載部落格原址： https://blog.csdn.net/congcong7267/article/details/82981084 1. 在darknet-master\build\
計算機視覺（八）：提取Cifar-10資料集的HOG、HSV特徵並使用神經網路進行分類
1 - 引言 之前我們都是將整張圖片輸入進行分類，要想進一步提升準確率，我們就必須提取出圖片更容易區分的特徵，再將這些特徵當做特徵向量進行分類。在之前我們學了一些常用的影象特徵，在這次實驗中，我們使用了兩種特徵 梯度方向直方圖（HOG） 顏色直方圖（HSV）
計算機視覺（七）：構建兩層的神經網路來分類Cifar-10資料集
1 - 引言 之前我們學習了神經網路的理論知識，現在我們要自己搭建一個結構為如下圖所示的神經網路，對Cifar-10資料集進行分類 前向傳播比較簡單，就不在贅述 反向傳播需要注意的是，softmax的反向傳播與之前寫的softmax程式碼一樣。神經網路內部的反向傳播權重偏導就是前面
計算機視覺（六）：使用Softmax分類Cifar-10資料集
1 - 引言 這次，我們將使用Softmax來分類Cifar-10，過程其實很之前使用的SVM過程差不多，主要區別是在於損失函式的不同，而且Softmax分類器輸出的結果是輸入樣本在不同類別上的概率值大小,Softmax分類器也叫多項Logistic迴歸 線性模型:
計算機視覺（五）：使用SVM分類Cifar-10資料集
1 - 引言 之前我們使用了K-NN對Cifar-10資料集進行了圖片分類，正確率只有不到30%，但是還是比10%高的[手動滑稽]，這次我們將學習使用SVM分類器來對Cafi-10資料集實現分類，但是正確率應該也不會很高 要想繼續提高正確率，就要對影象進行預處理和特徵的選取工作，而不
Python3讀取深度學習CIFAR-10資料集出現的若干問題解決
今天在看網上的視訊學習深度學習的時候，用到了CIFAR-10資料集。當我興高采烈的執行程式碼時，卻發現了一些錯誤： # -*- coding: utf-8 -*- import pickle as p import numpy as np import o
KNN實現CIFAR-10資料集識別
KNN缺點：每個測試樣本都要迴圈一遍訓練樣本。 該資料集由5個data_batch和一個test_batch構成，測試程式碼 import pickle import numpy as np fo=open('./datasets/cifar-10-batch
[keras實戰] 小型CNN實現Cifar-10資料集84%準確率
實驗環境 程式碼基於python2.7, Keras1（部分介面在Keras2中已經被修改，如果你使用的是Keras2請查閱文件修改介面） 個人使用的是蟲資料提供的免費GPU主機，GTX1080顯示卡，因為是免費賬號，所以視訊記憶體最高只有1G。為了防止超視