2017年09月_JNingWei

原创 tensorflow编程: Building Graphs

Core graph data structurestf.Graph# 程序从一开始就默认有一个 graph 。任何的 tf.Graph() 操作都是在新建 graph，但都只能在新建的那个上下文管理器内发挥作用a = tf.get_default_graph()# 该graph 继承 a.graph，则该graph 内 default_graph 就为 a.graphwith a.as

2017-09-30 17:24:28 787

原创 tensorflow编程: Control Flow

Control Flow Operationstf.identity复制tensor tf.identity (input, name=None)import tensorflow as tft = tf.constant(value=[[1, 1, 1], [2, 2, 2]], dtype=tf.int32)a1 = ta2 = tf.identity(t)print a1asser

2017-09-30 15:39:03 2098

原创 tensorflow: bn层

Introduction具体见深度学习: Batch Normalization (归一化)Experiment实验一可视化 batch normalization 过程中的 tensor演化（以输入一张[1, 4 , 4, 1]的图片为例）# -*- coding: utf-8 -*-import tensorflow as tfdef func_convolut

2017-09-29 10:46:45 2559

原创 tensorflow: 打印内存中的变量

法一：循环打印模板for (x, y) in zip(tf.global_variables(), sess.run(tf.global_variables())): print '\n', x, y实例# coding=utf-8import tensorflow as tfdef func(in_put, layer_name, is_training=True): with

2017-09-29 10:16:37 2351 1

原创 tensorflow: bn层的 decay参数项

实验五：探究 batch normalization 过程中的 decay 参数项在 train 和 test 过程中的不同作用。在 decay=0 （即移动偏移无损失）时：import tensorflow as tfdef func(in_put, layer_name, is_training=True): with tf.variable_scope(layer_name,

2017-09-29 09:38:34 5370

原创 python: enumerate

API enumerate(sequence, [start=0])Argssequence – 一个序列、迭代器或其他支持迭代对象。start – 下标起始位置Returns返回 enumerate(枚举) 对象。示例将 enumerate(枚举)对象存在一个list中返回：seq = ['Spring', 'Summer', 'Fall', 'Winter']print lis

2017-09-28 16:41:22 345

原创 tensorflow: 对variable_scope进行reuse的两种方法

方法一：模板：具体示例：方法二：模板：# -*- coding: utf-8 -*-import tensorflow as tffrom tensorflow.python.ops import variable_scope as vs ### 改动部分 ###def func(..., reuse=False): ### 改动部分 ### if reuse:

2017-09-28 15:56:16 34907 6

原创 tensorflow编程: Layers (contrib)

Layers (contrib)Higher level ops for building neural network layerstf.contrib.layers.batch_norm 添加一个 Batch Normalization 层。tf.contrib.layers.batch_norm ( inputs, ##### decay=0.999, ####

2017-09-26 08:55:44 3933

原创 tensorflow编程: Constants, Sequences, and Random Values

Constant Value Tensorstf.zeros tf.zeros (shape, dtype=tf.float32, name=None)tf.zeros_like tf.zeros_like (tensor, dtype=None, name=None, optimize=True)tf.ones tf.ones (shape, dtype=tf.float32, n

2017-09-25 17:55:05 636

原创 shutdown & reboot & last

shutdownsudo shutdown [-h/-r/ ] [now/+10/22:00]-h：系统停止运作（halt）-r：重启（reboot）放空：类同于 -hnow：立即执行+10：10分钟后执行22:00：指定时间点22:00执行rebootsudo rebootlast查询本机过去处于关机状态的时段last -x shutdownshutdown system d

2017-09-23 17:31:39 874

原创 tensorflow: Shapes and Shaping 探究

定义 Tensor Transformations - Shapes and Shaping: TensorFlow provides several operations that you can use to determine the shape of a tensor and change the shape of a tensor. tensorflow提供了一些操作，让用户可以定义

2017-09-23 16:36:30 422

原创 python: 上下文管理器(context manager)

定义允许你在有需要的时候，精确地分配和释放资源用途上下文管理器的一个常见用例，是资源的加锁和解锁，以及关闭已打开的文件优点避免了琐碎操作：通过使用with，许多样板代码可以被消掉避免了遗忘步骤：因此不用关注嵌套代码如何退出，又能确保我们的文件会被关闭，避免了代表其中最常见的就是with语句了 python提供了with语句语法，来构建对资源的自动创建与自动释放示例小白代码：file = ope

2017-09-23 11:01:38 2312 2

原创【深度学习】回归任务评价方法（MSE、MAE、RMSE）

回归loss MSE 1n∑ni=1

2017-09-14 17:18:39 5063 1

原创 python: range & xrange 探究

概述 xrange 和 range 这两个基本上都是在循环的时候用。 xrange 用法与 range 完全相同，所不同的是生成的不是一个list对象，而是一个生成器。生成很大的数字序列的时候，用 xrange 会比 range 性能优很多，因为不需要一上来就开辟一块很大的内存空间。所以尽量用 xrange 。实验 range ( [start,] stop [, step] )>>

2017-09-07 16:46:40 381

Demo原图像： Averaging_Blur:Averaging_Blur_Enhanced:Completed_Blur:Edge_Detection_360_degree:Edge_Detection_45_degree:Embossing_45_degree:Embossing_Asymmetric:Gaussian_Blur:Motion_Blur:Sharpness_Center:Sh

2017-09-07 14:57:31 908 1

原创 python: 递归记录指定后缀名的文件

# coding=utf-8import ossave_txt = './paths.txt' # 记录路径的文档root_folder = './root' # 将被递归的文件夹根目录suffix_name = '.jpg' # 后缀名# 递归记录指定后缀名的文件的绝对路径def write_file_path_to_txt(folder, save_txt): out_file =

2017-09-07 11:25:00 1998

原创 python: input()、raw_input() 探究

实验a = input('请输入：')print a如果输入字符串，则马上报错：请输入：str Traceback (most recent call last): File "<stdin>", line 1, in <module> File "<string>", line 1, in <module>但是如果输入整数，却不会报错：请输入：1010如果把 input 改成

2017-09-06 21:44:57 332

原创 python: time模块、datetime模块

时间上下限import datetimeprint 'min : ', datetime.datetime.minprint 'max : ', datetime.datetime.maxmin : 0001-01-01 00:00:00max : 9999-12-31 23:59:59.999999datetime.datetime.now(

2017-09-06 19:54:39 772

原创 python: 前后缀操作

返回后缀名import ospath = 'first_directory/second_directory/file.txt'print os.path.splitext(path)[1]print type(os.path.splitext(path)[1]).txt<type 'str'>前缀名的bool判断path = 'first_directory/second_directory

2017-09-06 19:12:14 1542

原创 python: 将列表中的字符串连接成一个长路径

今天实习公司分配了一个数据处理的任务。在从列表中读取字符串并连接成一个长路径时，我遇到了如下问题：import ospath_list = ['first_directory', 'second_directory', 'file.txt']print os.path.join(path_list) 发现 os.path.join 之后，依然是字符串列表。这我就纳闷了：['first_direct

2017-09-06 18:57:14 9610

原创常见帧率与帧率运用

帧率概念引入帧率（Frame rate）是用于测量显示帧数的量度。所谓的测量单位为每秒显示帧数(Frames per Second，简称：FPS）或“赫兹”（Hz），一般来说FPS用于描述视频、电子绘图或游戏每秒播放多少帧，而赫兹则描述显示屏的画面每秒更新多少次。此词多用于影视制作和电子游戏。帧率层级对照表帧率(FPS) 人眼感受产品运用 < 10 ~ 12 不连贯

2017-09-06 18:29:51 6600 2

原创 opencv: 视频中提取帧图片并保存(cv2.VideoCapture)

Code因为工作需要，写了一段代码用于在视频中提取帧图片：# coding=utf-8# 全局变量VIDEO_PATH = './1.avi' # 视频地址EXTRACT_FOLDER = './extract_folder' # 存放帧图片的位置EXTRACT_FREQUENCY = 100 # 帧提取频率def extract_frames(video_path, ds...

2017-09-06 17:22:54 20129 3

原创 python: 删除当前目录下的所有.pyc、.py~文件

import osprint os.listdir('.')del_paths = [name for name in os.listdir('.') if name.endswith('.pyc') or name.endswith('.py~')]for del_path in del_paths: os.remove(del_path)print os.listdir('.')[

2017-09-06 16:56:19 3717 1

原创 tensorflow: 激活函数(Activation_Functions) 探究

激活函数概念From TensorFlow - Activation_Functions：在神经网络中，我们有很多的非线性函数来作为激活函数连续、平滑 tf.sigmoid(x, name = None) == 1 / (1 + exp(-x))import numpy as npimport tensorflow as tfsess = tf.Session()bn

2017-09-05 20:19:29 4354

原创 tensorflow: 损失函数(Losses Functions) 探究

API官方定义From tf.nn.l2_loss： tf.nn.l2_loss l2_loss( t, name=None ) Defined in tensorflow/python/ops/gen_nn_ops.py. See the guide: Neural Network > Losses L2 Loss. Computes half the

2017-09-04 17:03:05 7196

原创 numpy: np.random模块探究(源码)

官方api定义From Random sampling： Random sampling (numpy.random) Simple random data rand(d0, d1, …, dn) Random values in a given shape . randn(d0, d1, …, dn) Return a sample (or samples) from t

2017-09-01 14:45:15 2135 1

原创 numpy: 新建二维序列数组

法一import numpy as npa = np.arange(start=0, stop=9, step=1, dtype=int)a.resize(3, 3)print aprint type(a)[[0 1 2] [3 4 5] [6 7 8]]<type 'numpy.ndarray'>Process finished with exit code 0要特别注意这里的 .re

2017-09-01 10:09:57 1721

JNing