自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+

fsd‘s blog’

all related

  • 博客(6)
  • 资源 (2)
  • 收藏
  • 关注

原创 Tensorflow 模型的保存和读取

Tensorflow 模型的保存和读取 tensorflow 保存模型主要有两种途径,一个是通过tf.train.Saver,另一种是通过tf.python.saved_model.builder.SavedModelBuilder 可以保存的内容主要包括Variable/Constant/Placeholder, GraphDef,metaGraphGraph &...

2018-06-28 15:37:22 15185

原创 算法

算法图的遍历广度优先遍历广度优先遍历实际上是借助于队列结构的先进先出的特点完成遍历任务的。目标呢是从起点出发,一层一层的向外不断扩散遍历所有节点,也有来寻找某两个节点之间的最短距离。 具体思路: 先把读到当前节点入队,然后出队,将相邻节点一次入段,与此同时不断将队头的节点出队,直到队内不再有节点时结束,实现广度优先遍历。例子:从上往下打印出二叉树的每个节点,同层节...

2018-04-23 21:08:22 251

原创 数据结构

堆和堆排序要讲堆排序之前,首先就要先讲讲选择排序,堆排序在思路上实际上是选择排序是一致的。 先简单总结一下各种排序: 1. 插入排序,类比城插入牌一样,认为前面的数已经排好序了,遍历到新的数,把它插入到它应该在的位置。 2. 选择排序,每次都遍历数组,选择 未排序部分最大或最小的数字,把最小或最大的数放到最前面,然后剩下的往后各移一位 3. 冒泡排序,基本思想是將比較大的數字沉在最下面...

2018-04-23 21:07:43 147

原创 sklearn的笔记

skleanmodel_selection交叉验证1. cross_val_scorecross_val_score(estimatior,X,y=None,scoring=None,cv=None)参数:estimatior:分类器对象,有fit函数X:array-likescore: string表示最后以score形式计算得分,默认使用scorin...

2018-04-23 21:06:41 223

转载 makefile 使用方法

 Makefile值得一提的是,在Makefile中的命令,必须要以[Tab]键开始。      什么是makefile?或许很多Winodws的程序员都不知道这个东西,因为那些Windows的IDE都为你做了这个工作,但我觉得要作一个好的和professional的程序员,makefile还是要懂。这就好像现在有这么多的HTML的编辑器,但如果...

2018-04-23 21:05:50 845

原创 Tensorflow中的Graph和Session概念

Graph基本概念Tensorflow里的Graph类似于数据流图,节点为计算单位(通常为tf.Operation),边通常为用于计算的数据(如tf.Variable)。指向运算节点的边表示输入,向外的边则表示输出。 在建立计算图的时候,通常包括建立tf.Operation (node)和tf.Tensor (edge)对象,然后加入到tf.Graph当中。未声明特定的Graph时则加入到

2018-01-04 20:51:54 1137

conpot虚拟工控蜜罐日志文件

这是一个真实搭建的conpot工控蜜罐所捕获的真实异常网络会话,可用于挖掘 Conpot是一个部署在服务端的低交互ICS蜜罐,能够快速地部署、修改和拓展。开发者通过提供一系列的通用工控协议,使得我们能够非常快速地在我们的系统上构建一套复杂的工控基础设施用于欺骗未知的攻击者。为了提高这套蜜罐的欺骗性和迷惑性,开发者同时也提供了一个人机接口来增加这套蜜罐的攻击面。蜜罐的响应时间能够通过相关参数进行调节,由此模拟出当前负载下的响应时间。Conpot对协议栈有着完整的支持,因此它能够接收生产环境中的HMI或是直接拓展的真实硬件。最后要说明的是,Conpot是站在巨人的肩膀上,以Honeynet Project为基础开发的。

2018-04-23

GAN原始论文解读

GAN原始论文的中文翻译版 - 来自七月翻译组 生成式对抗网络(GAN, Generative Adversarial Networks )是一种深度学习模型,是近年来复杂分布上无监督学习最具前景的方法之一。模型通过框架中(至少)两个模块:生成模型(Generative Model)和判别模型(Discriminative Model)的互相博弈学习产生相当好的输出。原始 GAN 理论中,并不要求 G 和 D 都是神经网络,只需要是能拟合相应生成和判别的函数即可。但实用中一般均使用深度神经网络作为 G 和 D 。一个优秀的GAN应用需要有良好的训练方法,否则可能由于神经网络模型的自由性而导致输出不理想。

2018-04-23

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除