python小笔记

1    reshape中-1的使用


在reshape中设置参数为-1,可以把剩余维度都平铺。可以方便地实现image2col。


2    np.pad的使用

如果要对 array “a” with shape(5,5,5,5,5) 做padding,例如要在 2th dimention 设置 pad=1, 在 4th dimention 设置pad=2,其余 dimention 设置 pad=0,且padding的值是0,可以这样写:
a = np.pad(a, ((0,0), (1,1), (0,0), (2,2), (0,0)), 'constant', constant_values = (0,0))

3    快速取一个arrary中间一部分数据

假设一个feature map的pad=1,可以用 x[pad:-pad] 取出无padding的数据:



4    docker命令

创建一个新的容器:

加了-d选项是在后台运行容器,不会直接进入容器(只有-it 选项则会进入容器);--name 给容器命名
把主机的目录 /home/yourplace 映射到容器的目录 /home/workplace

nvidia-docker run -itd --name ll -v /home/yourplace:/home/workplace tensorflow/tensorflow:latest-gpu /bin/bash

在容器 ll 中开启一个交互式的终端:

docker exec -it ll /bin/bash

查看现在已有的容器:

docker ps -a

删除名字为 ll容器:

docker rm ll

更多docekr命令介绍:http://www.runoob.com/docker/docker-command-manual.html





  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
【为什么要学习这门课程】深度学习框架如TensorFlow和Pytorch掩盖了深度学习底层实现方法,那能否能用Python代码从零实现来学习深度学习原理呢?本课程就为大家提供了这个可能,有助于深刻理解深度学习原理。左手原理、右手代码,双管齐下!本课程详细讲解深度学习原理并进行Python代码实现深度学习网络。课程内容涵盖感知机、多层感知机、卷积神经网络、循环神经网络,并使用Python 3及Numpy、Matplotlib从零实现上述神经网络。本课程还讲述了神经网络的训练方法与实践技巧,且开展了代码实践演示。课程对于核心内容讲解深入细致,如基于计算图理解反向传播算法,并用数学公式推导反向传播算法;另外还讲述了卷积加速方法im2col。【课程收获】本课程力求使学员通过深度学习原理、算法公式及Python代码的对照学习,摆脱框架而掌握深度学习底层实现原理与方法。本课程将给学员分享深度学习的Python实现代码。课程代码通过Jupyter Notebook演示,可在Windows、ubuntu等系统上运行,且不需GPU支持。【优惠说明】 课程正在优惠中!  备注:购课后可加入白勇老师课程学习交流QQ群:957519975【相关课程】学习本课程的前提是会使用Python语言以及Numpy和Matplotlib库。相关课程链接如下:《Python编程的术与道:Python语言入门》https://edu.csdn.net/course/detail/27845《玩转Numpy计算库》https://edu.csdn.net/lecturer/board/28656《玩转Matplotlib数据绘图库》https://edu.csdn.net/lecturer/board/28720【课程内容导图及特色】

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值