- 博客(8)
- 收藏
- 关注
RSS订阅原创 Python中动态导入模块importlib.import_module()
背景：使用Python要导入的模块可能是动态构造的，此时需要动态导入。方案1：使用importlibimport importlib# 假设模块configs下有多个config文件config_file = 'sth.cfg' # 其中一个config 文件config_file = config_file.replace('.cfg', '')params = importlib.import_module(config".format(config_file)) par
2021-04-25 20:32:05
822
转载 Python exec在局部变量域中执行代码
问题你想在使用范围内执行某个代码片段，并且希望在执行后所有的结果都不可见。解决方案为了理解这个问题，先试试一个简单场景。首先，在全局命名空间内执行一个代码片段：>>> a = 13>>> exec('b = a + 1')>>> print(b)14>>>然后，再在一个函数中执行同样的代码：>>> def test():... a = 13... exec('b
2021-04-25 20:18:47
1024
原创 错误：AttributeError: module ‘keras.backend.tensorflow_backend‘ has no attribute ‘_is_tf_1‘
使用tensorflow+keras时出现错误：AttributeError: module 'keras.backend.tensorflow_backend' has no attribute '_is_tf_1'可能是环境出问题导致的，推荐是卸载重新安装keras，同时要注意选择和tensorflow版本匹配的keras，如果不清楚版本可以使用conda安装推荐的版本。pip uninstall keraspip install keras --upgrade...
2021-04-25 14:44:01
1918
转载 解决word无法回退及修改内容不保存问题
如图，撤退按钮瞬间会变灰。即便在未变灰前点击回退也不会有实际回退效果。出现这种情况很可能是模板文件出现损坏或有异常。可以通过删除模板文件让word重新自己生成模板文件来解决。操作步骤如下：step 1：打开资源管理器，在地址栏输入内容并回车：%appdata%\microsoft\Templates step 2：关闭word程序注：如果有word正在运行，需要先关闭运行中的word程序。如果word在后台运行需要打开任务管理器关闭word程序。step 3：删除...
2021-04-20 11:56:24
7021
3
转载 visio绘制立方体
卷积神经网络作图的时候需要绘制立方体，使用visio的绘制过程为：1）绘制矩形，并用线连接，绘制过程中使用shift+直线可以粘接到已有的端点；2）使用开发工具的组合-连接-拆分，获得独立的面，这样可以对不同面单独设置属性。具体看下面的图：开发模式启用：选择菜单栏 “文件”---->“选项”---->“高级”---->“以开发人员模式运行”.这时菜单栏会出现一个“开发工具”，选择“操作”---->“连接”---->“拆分”。注意：在拆分操作后
2021-04-15 09:26:42
10929
3
转载 numpy reshape,view函数中的-1
使用reshape,view函数会见到-1的索引，例如reshape（-1,2），可以查找numpy文档中的reshape（）去理解这个问题根据Numpy文档(https://docs.scipy.org/doc/numpy/reference/generated/numpy.reshape.html#numpy-reshape)的解释：newshape : int or tuple of intsThe new shape should be compatible with the origin
2021-04-13 13:12:55
1837
转载 深度学习优化利器：集成、知识蒸馏和自蒸馏
为什么简单的「集成」便能够提升性能呢？本文是对上述问题的解析，作者解读了来自微软研究院高级研究员朱泽园博士，以及卡内基梅隆大学机器学习系助理教授李远志的最新论文《在深度学习中理解集成，知识蒸馏和自蒸馏》。本文授权转自智源社区，作者梦佳集成（Ensemble，又称模型平均）是一种「古老」而强大的方法。只需要对同一个训练数据集上，几个独立训练的神经网络的输出，简单地求平均，便可以获得比原有模型更高的性能。甚至只要这些模型初始化条件不同，即使拥有相同的架构，集成方法依然能够将性能显著提升。但是，为什么
2021-04-10 09:13:53
940
原创 深度学习训练（优化）参数的玄学解释
优化的目标：更好、更快梯度局部最小优化的头号敌人是梯度为零，梯度为零即有众所周知的局部最小，还有鞍部点。但幸好在高维空间局部最小并非经常出现，例如下面左图，在一维空间上红点是局部最小，但在二维空间上红点是鞍部点。实际模型参数空间十分复杂，在右侧二维空间的局部最小也在高维空间中大多不是局部最小。batch size用大batch size还是小的呢？较大的batch size训练更快，较小的batch size精度和泛化能力更好。What？batch size不是越大越好么
2021-04-07 22:59:56
650
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人