aiyie5748-CSDN博客

转载 aysncio

event_loop 一个线程只有一个event_loop 1、get_event_loop() 只能在主线程中创建event_loop，子线程的loop要在主线程通过new_event_loop创建，然后在子线程中使用set_event_loop来设置，如果在子线程中直接用get_event_loop创建就会报错 RuntimeError: There is no curren...

2018-11-12 23:06:00 237

转载对python async与await的理解

async/await关键字是出现在python3.4以后。网上已经有很多文章对async/await这两个关键字都有讲解，包括如何由python2的yield from发展到async/await这两个关键字，以及一些代码实现都有。但是对于像我这样初次接触的人来说，光看代码分析也不一定能理解，我也是在度娘上搜索很多相关的网站，当中也有官网，都没有发现能让我一眼看懂在什么...

2018-11-10 00:20:00 1306

转载 python 适配器

什么是适配器？就相当手机的转换插头一样，让usb接口换成三脚插。在python里就是，让不同的类拥有同样的方法可以调用。先看代码 class A(object): def __init__(self): self.s='' def aa(self,a): self.s = a print self.s...

2018-08-14 11:46:00 91

转载 python 装饰器

装饰器用于减少重复代码，使得代码在编写时更加简洁、灵活 1、装饰器（函数）装饰函数（这个有点绕） def a(func): def b(*args,**kw): print("this is start") func(*args,**kw) print("end") return r...

2018-08-04 22:39:00 115

转载实测《Tensorflow实例：利用LSTM预测股票每日最高价（二）》的结果

近期股市行情牛转熊，大盘一直下探！由3200跌到了2700，想必很多人被深套了。这时想起人工智能能否预测股市趋势?RNN能否起作用？　　这时便从网上找下教程，发现网上有个例子，便拿来一试！Tensorflow实例：利用LSTM预测股票每日最高价（二）　　这个实例大体上没有大问题，只是有些小细节有问题！要想直接复制运行，是会报错的。首先整下代码过程原作者已经写得很清...

2018-07-07 18:07:00 516

转载 TFRecord 存入图像和标签

#-*- coding:utf-8 -*- import os import tensorflow as tf import cv2 ''' 文件目录为 chiwawa/ xx.jpg xx.jpg ..... japandog/ xx.jpg xx.jpg ..... ''' cwd = ...

2018-06-01 01:14:00 126

转载 TFRecord 读取图像和标签

1 #-*- coding:utf-8 -*- 2 import tensorflow as tf 3 from PIL import Image 4 5 cwd = 'f:/py/tfrecord/aa/' # 读取图片后存放的文件路径 6 filename = tf.train.string_input_producer(['f:/py/...

2018-06-01 00:57:00 133

转载 CONDA常用命令

1、创建python虚拟环境。 conda create -n xxx python=x.x 2、使用激活(或切换不同python版本)的虚拟环境。 Linux:source activate (虚拟环境名称) Windows:activate (虚拟环境名称) 3、对虚拟环境中安装额外的包。 conda install -n ...

2018-05-31 12:00:00 104

转载 sotfmax的通俗理解

借着上一篇对sigmoid的理解，将sotfmax替换成sigmoid即可！区别在于sotfmax解决的是多分类问题。先来看几个重要的关键点： 1、sotfmax 是在一堆数值里面取最大数的概率。如tf.nn.softmax([1.0, 3.0, 4.2, 2.6])，返回的结果是[0.02640291 0.19509259 0.64773005 0.13077445]。意思是在这...

2018-05-29 12:09:00 339

转载 sigmoid的通俗理解

今天研究了很久的sigmoid，把学习结果总结一下。 sigmoid的二分类问题。首先我们得有个样本，比如书上的例子。通过人的体重和年龄，来预测血脂的高低。那么数据形式就是[weight,age]，血脂的高低用1和0表示，1表示高，0表示低。[1]或者[0] 100个样本数据就是[[88,33],[78,25]......], 所对应的结果是[[1],[...

2018-05-29 00:45:00 1529

aiyie5748的博客