2017年11月_.NET跨平台

12月 11月 10月 09月 08月 07月 06月 05月 04月 03月 02月 01月

转载 Tensorflow实战学习(二十二)【产品环境模型部署,Docker镜像,Bazel工作区,导出模型,服务器,客户端】

产品环境模型部署，创建简单Web APP，用户上传图像，运行Inception模型，实现图像自动分类。搭建TensorFlow服务开发环境。安装Docker，https://docs.docker.com/engine/installation/ 。用配置文件在本地创建Docker镜像，docker build –pull -t USER/tensorflow−serving−develhttps:

2017-11-20 15:46:31 1394

转载 Tensorflow实战学习(二十一)【预测编码、字符级语言建模、ArXiv摘要】

预测编码(predictive coding)，向RNN输入大量序列，训练预测序列下一帧能力。语言建模(language modelling),预测一个句子中下一个单词的似然。生成文本，依据网络下一个单词分布抽样，训练结束，种子单词(seed word)送入RNN，观察预测的下一个单词，最可能单词输入RNN，重复，生成新内容。预测编码压缩训练网络任意序列所有重要信息。网络捕捉语法、语言规则，精确预测

2017-11-20 13:59:02 3216

转载 Tensorflow实战学习(二十)【序列标注、手写小写字母OCR数据集、双向RNN】

序列标注(sequence labelling)，输入序列每一帧预测一个类别。OCR(Optical Character Recognition 光学字符识别)。MIT口语系统研究组Rob Kassel收集，斯坦福大学人工智能实验室Ben Taskar预处理OCR数据集(http://ai.stanford.edu/~btaskar/ocr/ )，包含大量单独手写小写字母，每个样本对应16X8像素二

2017-11-20 09:40:35 1334

转载 Tensorflow实战学习(十九)【序列分类、IMDB影评分类】

序列分类，预测整个输入序列的类别标签。情绪分析，预测用户撰写文字话题态度。预测选举结果或产品、电影评分。国际电影数据库(International Movie Database)影评数据集。目标值二元，正面或负面。语言大量否定、反语、模糊，不能只看单词是否出现。构建词向量循环网络，逐个单词查看每条评论，最后单词话性值训练预测整条评论情绪分类器。斯担福大学人工智能实验室的IMDB影评数据集: http

2017-11-20 09:26:05 2558 1

转载 Tensorflow实战学习(十八)【词向量、维基百科语料库训练词向量模型】

词向量嵌入需要高效率处理大规模文本语料库。word2vec。简单方式，词送入独热编码(one-hot encoding)学习系统，长度为词汇表长度的向量，词语对应位置元素为1,其余元素为0。向量维数很高，无法刻画不同词语的语义关联。共生关系(co-occurrence)表示单词，解决语义关联，遍历大规模文本语料库，统计每个单词一定距离范围内的周围词汇，用附近词汇规范化数量表示每个词语。类似语境中词语

2017-11-20 09:23:53 1962 1

转载 Tensorflow实战学习(十七)【自然语言处理、RNN、LSTM】

自然语言处理 (NLP)问题都是序列化的。前馈神经网络，在单次前馈中对到来数据处理，假定所有输入独立，模式丢失。循环神经网络(recurrent neural network,RNN)对时间显式建模神经网络。RNN神经元可接收其他神经元加权输入。RNN神经元可与更高层建立连接，也可与更低层建立连接。隐含活性值在同一序列相邻输入间被记忆。2006年 LSTM。语音识别、语音合成、手写连体字识别、时间序

2017-11-20 09:21:11 2029

转载 Tensorflow实战学习(十六)【CNN实现、数据集、TFRecord、加载图像、模型、训练、调试】

AlexNet(Alex Krizhevsky,ILSVRC2012冠军)适合做图像分类。层自左向右、自上向下读取，关联层分为一组，高度、宽度减小，深度增加。深度增加减少网络计算量。训练模型数据集 Stanford计算机视觉站点Stanford Dogs http://vision.stanford.edu/aditya86/ImageNetDogs/ 。数据下载解压到模型代码同一路径imagene

2017-11-20 09:18:50 4402 1

转载 Tensorflow实战学习(十五)【加载图像、图像格式、图像操作、颜色】

TensorFlow支持JPG、PNG图像格式，RGB、RGBA颜色空间。图像用与图像尺寸相同(height*width*chnanel)张量表示。通道表示为包含每个通道颜色数量标量秩1张量。图像所有像素存在磁盘文件，需要被加载到内存。图像加载与二进制文件相同。图像需要解码。输入生成器(tf.train.string_input_producer)找到所需文件，加载到队列。tf.WholeFileR

2017-11-20 09:14:51 5369

转载 Tensorflow实战学习(十四)【卷积层、激活函数、池化层、归一化层、高级层】

CNN神经网络架构至少包含一个卷积层 (tf.nn.conv2d)。单层CNN检测边缘。图像识别分类，使用不同层类型支持卷积层，减少过拟合，加速训练过程，降低内存占用率。TensorFlow加速所有不同类弄卷积层卷积运算。tf.nn.depthwise_conv2d，一个卷积层输出边接到另一个卷积层输入，创建遵循Inception架构网络 Rethinking the Inception Archi

2017-11-20 09:08:36 4926

转载 Tensorflow实战学习(十三)【卷积、跨度、边界填充、卷积核】

卷积运算，两个输入张量(输入数据和卷积核)进行卷积，输出代表来自每个输入的信息张量。tf.nn.conv2d完成卷积运算。卷积核(kernel)，权值、滤波器、卷积矩阵或模版，filter。权值训练习得。卷积核(filter参数)权值数量决定需要学习卷积核数量。通道，计算机器视觉，描述输出向量。RGB图像，3个代表秩1张量[red,green,blue]通道。输出与input_batch同秩张量，与

2017-11-20 09:07:21 2167

转载 Tensorflow实战学习(十二)【卷积网络简述】

ImageNet http://www.image-net.org ，图像标注信息数据库。每年举办大规模视觉识别挑战赛(ILSVRC)。基于ImageNet数据库构建完成目标自动检测分类任务系统。2012年，SuperVision提交卷积神经网络(CNN)。CNN可用于任意类型数据张量(各分量与相关分量有序排列在多维网格)，当前主要用于计算机视觉。语音识别，输入按录音时间顺序排列声音频率单行网络张量

2017-11-19 22:07:06 404

转载 Tensorflow实战学习(十一)【多层神经网络】

线性回归、对数几率回归模型，本质上是单个神经元。计算输入特征加权和。偏置视为每个样本输入特征为1权重，计算特征线性组合。激活(传递)函数计算输出。线性回归，恒等式(值不变)。对数几率回归，sigmoid。输入->权重->求和->传递->输出。softmax分类含C个神经元，每个神经元对应一个输出类别。XOR异或运算，无法通过线性模型解决。sigmoido类型神经元要求数据线性可分。2D数据存在直线

2017-11-19 22:06:54 888

转载 Tensorflow实战学习(十)【softmax分类】

回答多选项问题，使用softmax函数，对数几率回归在多个可能不同值上的推广。函数返回值是C个分量的概率向量，每个分量对应一个输出类别概率。分量为概率，C个分量和始终为1。每个样本必须属于某个输出类别，所有可能样本均被覆盖。分量和小于1,存在隐藏类别；分量和大于1,每个样本可能同时属于多个类别。类别数量为2,输出概率与对数几率回归模型输出相同。变量初始化，需要C个不同权值组，每个组对应一个可能输出，

2017-11-19 22:06:42 3242

转载 Tensorflow实战学习(九)【对数几率回归】

logistic函数，也称sigmoid函数，概率分布函数。给定特定输入，计算输出”success”的概率，对回题回答”Yes”的概率。接受单个输入。多维数据或训练集样本特征，可以用线性回归模型表达式合并成单值。损失函数可以使用平方误差。训练集”Yes”代表100%概率或输出值1的概率。损失刻画特定样本模型分配小于1值概率。”No”概率值0。损失是模型分配样本概率值并取平方。平方误差惩罚与损失同数量

2017-11-19 22:06:09 807

转载 Tensorflow实战学习(八)【机器学习基础线性回归】

有监督学习，带标注信息输入数据集，标注真实期望输出，训练推断模型，覆盖初始数据集，预测新样本输出。推断模型具体运算步骤代码设置。由给定问题解决模型确定。模型确定，运算固定。相关数据是模型参数，训练过程不断更新，模型学习，调整输出。训练闭环一般结构：初始化模型参数(随机赋值或全0) -> 输入训练数据(样本及期望输出，随机打乱次序) ->训练数据执行推断模型(得到输出) -> 计算损失(输出与期望输出

2017-11-19 22:05:56 645

转载 Tensorflow实战学习(七)【Tensor、Graph、Op、Variable、占位符、Session、名称作用域、Board综合例子】

输入采用占位符，模型接收任意长度向量，随时间计算数据流图所有输出总和，采用名称作用域合理划分数据流图，每次运行保存数据流图输出、累加、均值到磁盘。[None]代表任意长度向量，[]代表标量。update环节更新各Variable对象以及将数据传入TensorBoard汇总Op。与交换工作流分开，独立名称作用域包含Variable对象，存储输出累加和，记录数据流图运行次数。独立名称作用域包含Tenso

2017-11-19 22:05:43 785

转载 Tensorflow实战学习(六)【Variable对象、名称作用域】

Tensor、Op对象不可变(immutable)。.Variable()构造方法创建Variable对象，包含Session.run()调用中可持久化的可变张量值。Variable对象初值通常为全0､全1或用随机数填充阶数较高张量，创建初值张量Op，.zeros()、.ones()、.random_normal()、.random_uniform()，接收shape参数。Graph管理Tensor

2017-11-19 22:04:54 976

转载 Tensorflow实战学习(五)【Graph对象、Session对象、占位符】

创建Graph对象，.Graph()，无需接收任何参数。.as_default()访问上下文管理器，添加Op。加载TensorFlow库时，自动创建一个Graph对象作为默认数据流图，Op、Tensor对象自动放置在默认数据流图。多个不依赖模型需要创建多个Graph对象，节点添加到正确的数据流图。不要将默认数据流图和用户创建数据流图混合使用，既存在自定义数据流图，又存在默认数据流图时，应把各自的Op

2017-11-19 21:58:20 1181

转载 Tensorflow实战学习(四)【张量表示、类型、形状、计算】

张量是N维矩阵抽象。一维张量是向量。二维张量是矩阵，三维或以上称N维张量或N阶张量。输入节点，从接收标量，改为接收向量。.reduce_prod()创建归约乘积Op。reduce_sum()创建归约求和Op。 import tensorflow as tf a = tf.constant([[[1,2,3],[4,5,6]],[[7,8,9],[1,2,3]]], name="inpu

2017-11-19 21:55:01 4415

转载 Tensorflow实战学习(三)【数据流图定义、执行、可视化】

数据流图，有向图，定义计算结构。一组函数链接在一起。每个函数输出传递给级联链上其他函数。利用小数学函数构造数据复杂变换。节点node，对数据所优质运算操作。边edge，向节点输入、输出的数据。指向节点的边为输入，从节点引出的边为输出。边是节点之间的连接，做信息传输。输入可能来自其他数据流图、文件读取、用户输入。输入节点把单个输入传递给大量后继节点。不依赖其他节点信息的节点，互相独立。数据流图输入抽象

2017-11-19 21:50:28 4413 1

转载 Tensorflow实战学习(二)【怎么安装TensorFlow】

官网： https://www.tensorflow.org/install/install_mac https://www.tensorflow.org/install/install_windows考虑到软件依赖项，依赖冲突。单机建议用Virturalenv，分布式用Docker。解决依赖冲突有以下方式：代码库内部的软件包依赖，依赖库放到代码中，局部引用。重复占用空间，手工更改。用户无

2017-11-18 21:23:04 640 1

转载 Tensorflow实战学习(一)【什么是TensorFlow】

官网: https://www.tensorflow.orgGithub: https://github.com/tensorflow学习TensorFlow，如果你学过以下知识会更有帮助：一元、多元微积分，矩阵代数、乘法，编程原理，机器学习,Python 编程，模块组织,NumPy库,matplotlib库，前馈神经网络、卷积神经网络、循环神经网络。机器学习，通用数学模型解决数据特定

2017-11-18 21:22:04 1438

转载 Vue.js解析(十一)【说说element组件库broadcast与dispatch】

周所周知，Vue在2.0版本中去除了broadcast方法以及broadcast方法以及dispatch方法，最近在学习饿了么的Element时重新实现了这两种方法，并以minix的方式引入。看一下源代码function broadcast(componentName, eventName, params) { /*遍历当前节点下的所有子组件*/ this.$children.

2017-11-18 21:21:23 944

转载 Vue.js解析(十)【Vue组件间通信】

什么是Vue组件？组件 (Component) 是 Vue.js 最强大的功能之一。组件可以扩展 HTML 元素，封装可重用的代码。在较高层面上，组件是自定义元素，Vue.js 的编译器为它添加特殊功能。在有些情况下，组件也可以是原生 HTML 元素的形式，以 is 特性扩展。 Vue组件间通信父组件向子组件通信方法一：props使用props，父组件可以使用

2017-11-18 21:20:38 394

转载 Vue.js源码解析(九)【从template到DOM（Vue.js源码角度看内部运行机制）】

从new一个Vue对象开始let vm = new Vue({ el: '#app', /*some options*/});很多同学好奇，在new一个Vue对象的时候，内部究竟发生了什么？究竟Vue.js是如何将data中的数据渲染到真实的宿主环境环境中的？又是如何通过“响应式”修改数据的？template是如何被编译成真实环境中可用的HTML的？V

2017-11-18 21:19:48 662

转载 Vue.js源码解析(八)【Vue.js异步更新DOM策略及nextTick】

操作DOM在使用vue.js的时候，有时候因为一些特定的业务场景，不得不去操作DOM，比如这样：template> div> div ref="test">{{test}}div> button @click="handleClick">tetbutton> div>template>export default { data () {

2017-11-18 21:19:01 498

转载 Vue.js源码解析(七)【聊聊Vue.js的template编译】

$mount首先看一下mount的代码/*把原本不带编译的$mount方法保存下来，在最后会调用。*/const mount = Vue.prototype.$mount/*挂载组件，带模板编译*/Vue.prototype.$mount = function ( el?: string | Element, hydrating?: boolean): Component { e

2017-11-18 21:18:04 800

转载 Vue.js解析(六)【Virtual DOM与diff(Vue.js实现)】

VNode在刀耕火种的年代，我们需要在各个事件方法中直接操作DOM来达到修改视图的目的。但是当应用一大就会变得难以维护。那我们是不是可以把真实DOM树抽象成一棵以JavaScript对象构成的抽象树，在修改抽象树数据后将抽象树转化成真实DOM重绘到页面上呢？于是虚拟DOM出现了，它是真实DOM的一层抽象，用属性描述真实DOM的各个特性。当它发生变化的时候，就会去修改视图。但是这样的Ja

2017-11-17 11:20:46 500

转载 Vue.js解析(五)【VNode节点(Vue.js实现)】

抽象DOM树在刀耕火种的年代，我们需要在各个事件方法中直接操作DOM来达到修改视图的目的。但是当应用一大就会变得难以维护。那我们是不是可以把真实DOM树抽象成一棵以JavaScript对象构成的抽象树，在修改抽象树数据后将抽象树转化成真实DOM重绘到页面上呢？于是虚拟DOM出现了，它是真实DOM的一层抽象，用属性描述真实DOM的各个特性。当它发生变化的时候，就会去修改视图。但是这样的J

2017-11-17 10:21:00 1471

转载 Vue.js解析(四)【Vue.js事件机制】

Vue事件API众所周知，Vue.js为我们提供了四个事件API，分别是 $on，$once，$off，$emit。初始化事件初始化事件在vm上创建一个_events对象，用来存放事件。_events的内容如下：{ eventName: [func1, func2, func3]}存放事件名以及对应执行方法。/*初始化事件*/export functi

2017-11-17 10:19:01 2201

转载 Vue.js解析(三)【从Vue.js源码角度再看数据绑定】

数据绑定原理前面已经讲过Vue数据绑定的原理了，现在从源码来看一下数据绑定在Vue中是如何实现的。首先看一下Vue.js官网介绍响应式原理的这张图。这张图比较清晰地展示了整个流程，首先通过一次渲染操作触发Data的getter（这里保证只有视图中需要被用到的data才会触发getter）进行依赖收集，这时候其实Watcher与data可以看成一种被绑定的状态（实际上是data的闭包中有一个Deps订

2017-11-17 10:09:22 988

转载 Vue.js解析(二)【依赖收集】

为什么要依赖收集先看下面这段代码new Vue({ template: ` span>text1:span> {{text1}} span>text2:span> {{text2}} div>`, data: { text1: 'text1', text2:

2017-11-17 09:56:42 873

转载 Vue.js解析(一)【Vue.js响应式原理】

关于Vue.jsVue.js是一款MVVM框架，上手快速简单易用，通过响应式在修改数据的时候更新视图。Vue.js的响应式原理依赖于Object.defineProperty，尤大大在Vue.js文档中就已经提到过，这也是Vue.js不支持IE8 以及更低版本浏览器的原因。Vue通过设定对象属性的 setter/getter 方法来监听数据的变化，通过getter进行依赖收集，而每个sette

2017-11-17 09:54:33 1351

转载 React高级指南(十二)【Integrating with Other Libraries】

React与其他库的集成React可以在任何web应用中使用。React可以嵌入其他的应用中，也可以将其他的应用嵌入React中，不过需要多加小心。本篇教程将介绍部分常见的使用场景，主要包括集成jQuery和Backbone,但是同样的思想可以用来集成组件到其他任何现有的代码。与DOM操作插件的集成React 无法感知到React之外的DOM变化。这决定了更新只能基于React内部

2017-11-17 09:50:00 700

转载 React高级指南(十一)【Higher Order Components】

Higher-Order Components在React中，高阶组件是重用组件逻辑的一项高级技术。高阶组件并不是React API的一部分。高阶组件源自于React生态。具体来说，高阶组件是一个函数，能够接受一个组件并返回一个新的组件。const EnhancedComponent = higherOrderComponent(WrappedComponent);组件是将pr

2017-11-17 09:35:42 525

转载 React高级指南(十)【Web Components】

React和Web Component是为了解决不同的问题建立的。Web Component为可重用组件提供了强大的封装，然而React提供声明库，可以使得DOM和数据保持同步。两者的目标是互补的。作为开发者，你可以在你的Web Component中自由使用React，或者在React中使用Web Component，或者都使用。大多数使用React的开发者不使用Web Component，但

2017-11-17 09:17:12 2174

转载 React高级指南(九)【Context】

在React中，在React组件中很容易追踪数据流。当你观察组件时，你可以找出哪些属性(props)被传递，这使得你的应用非常容易理解。在某些场景下，你想在整个组件树中传递数据，但却不想手动地在每一层传递属性。你可以直接在React中使用强大的context API解决上述问题。为什么不要使用Context绝大多数的应用程序不需要使用context。如果你希望使用应用程序更加稳定就

2017-11-17 09:15:59 400

转载 MVC5中使用Log4net

HomeController.csusing log4net;using System;using System.Collections.Generic;using System.Linq;using System.Web;using System.Web.Mvc;namespace Log4NetMVC.Controllers{ public class HomeControl

2017-11-16 15:11:41 918

转载 Log4net日志记录示例

LogHelper.csusing System;using System.Collections.Generic;using System.Linq;using System.Text;namespace Log4netDemo.Common{ public class LogHelper { private static log4net.ILog log

2017-11-16 14:08:20 640

转载 React高级指南(八)【Reconciliation】

一致化处理(Reconciliation)React提供声明式API，因此在每次更新中你不需要关心具体的更改内容。这使得编写应用更加容易，但是这样使得你对React内部具体实现并不了解，这篇文章介绍了在React的”diffing”算法中我们所作出地决择，以使得组件的更新是可预测的并且可以适用于高性能应用。动机当你使用React的时候，在任何时刻，你可以认为render()函数的作用是

2017-11-16 10:42:54 1055