- 博客(24)
- 收藏
- 关注
RSS订阅原创 Bitnami Linux debian系统如何把DHCP修改为静态IP地址
为了开发方便，我自己创建了一台虚拟机安装了bitnami，但是系统默认是DHCP，所以每次重启虚拟机IP地址都可能发生变化，很不方便，因此我把系统设置改为了静态IP地址，下面是我的具体操作方法，做一下记录，也方便有需要的朋友查看。首先先复制一个网络配置文件，用于配置静态IP。此目录下面已经存在99-dhcp.network文件，用这个文件为基础复制一个25-wired.network文件。...
2019-12-13 17:20:22
1457
原创 最简单的Tensorflow实战入门教程 - 第二篇：tensor的定义及基本运算
Tensorflow中的Tensor就是张量的意思，在机器学习及神经网络中，会大量使用到张量运算，因此在tensorflow中，定义一个变量，实际上就是定义一个张量(tensor)张量（tensor）的概念因为很多人包括我自己都经常混用甚至混淆几个概念，因此我先简单科普一下“张量/矩阵/向量/标量”几个概念的关系和区别。0维（0阶）的张量就是标量，也就是一个数字，比如 1，3，100等...
2019-04-24 20:55:04
1681
原创 最简单的Tensorflow实战入门教程 - 第一篇：Tensorflow的安装
近些年有关人工智能的话题相当火爆，深度学习、神经网络的应用也越来越多的深入到我们生活的方方面面。在众多深度学习框架当中，Tensorflow占有举足轻重的地位。Tensorflow是一款由Google公司开发的深度学习框架，它把机器学习大量的算法进行了封装，可供开发人员在程序中直接调用，大大简化了代码复杂度及程序开发难度，并且因其开源，免费的特性，深受广大人工智能开发人员喜爱。本教程特...
2019-04-24 12:15:52
436
翻译 机器学习很有趣！第六章：通过机器学习进行语音识别
作者：Adam Geitgey原文：https://medium.com/@ageitgey/machine-learning-is-fun-part-4-modern-face-recognition-with-deep-learning-c3cffc121d78翻译：拼命先生转载请联系译者！语音识别正在侵入我们的生活。它内置于我们的手机，游戏机和智能手表中。它甚至可以使我...
2019-04-16 19:13:58
8628
原创 几种报错的解决办法
调用Google API，缺失库报错：ImportError: No module named 'google'解决方案：出现这个错误，就是因为没有安装google API相应的库，按照如下命令安装即可，把库名换成你所需要的相应的库名即可pip installgoogle-cloud-speech或者pip3 installgoogle-cloud-speech...
2019-03-29 21:14:53
4840
原创 树莓派中导入opencv库，运行时报库文件缺失的解决办法（mportError: libcblas.so.3 ..... etc.）
在树莓派中运行有关opencv的python程序，第一步肯定是要下载opencv库，命令如下：pip3 install opencv-python 虽然虽然成功安装了opencv，但仍然报缺少库文件，错误信息如下：ImportError: libcblas.so.3: cannot open shared object file: No such file or directory...
2019-03-24 03:29:38
8035
6
原创 在pycharm虚拟环境设置环境变量的查错和解决经历
为了避免项目之间的环境冲突，pycharm工具可以为你的项目创建一个虚拟环境，这个工具非常实用，不过在一些设置方面，有一些地方需要注意。本人在调用google的API的过程中，就碰到了如下的问题，在运行程序的时候，报如下错误Traceback (most recent call last): File "D:/MyPythonWorkspaces/projects/Project_le...
2019-03-22 08:55:01
7755
5
原创 用pyinstaller把python脚本编译成可执行程序(windows系统)
看了一些文章，介绍pyinstaller作为一个第三方库，可以将python脚本打包成可执行程序，依葫芦画瓢，开始操作。首先当然是下载，安装。pip install pyinstaller# 或者python -m pip install pyinstaller非常顺利，成功执行。然后为了生成一个单一的exe执行程序，采用参数-F进行打包，命令如下：pyinstalle...
2019-03-21 12:00:55
1078
原创 如何在虚拟环境中 (virtualenv) 中使用 Jupyter Notebook
相信很多人都非常新欢使用Jupyter notebook，他的分布执行及分布结果可视话，相信是很多人喜欢他的原因之一。我对这个工具也非常喜欢，编写Python程序的使用经常使用它。为了让不同的项目环境纯洁，我也很喜欢使用virtualenv。但是如何在virtualenv中使用Jupyter Notebook？今天就从virtualenv的使用开始，简单讲一讲，希望对其他同学能有所帮助...
2019-03-17 22:08:42
7175
2
原创 Python/Numpy中的秩为1的数组与向量的区别
在Pthon中，通过Numpy定义数组或者矩阵时，需要注意数组和向量的区别先来看一下下面这段代码import numpy as npa = np.random.randn(5)b = np.dot(a, a.T) ## a.T表示a的转置print("a=",a)print("a.shape =",a.shape)print("a.T=",a.T)print("a.t....
2019-03-10 17:23:50
2792
原创 Python/Numpy中的矩阵向量的广播（Broadcasting）特性
在进行机器学习、神经网络的变成过程当中，基本上是一定会使用到矩阵或者向量的，但是如果不了解Python/Numpy中的矩阵或者向量的特性，则会经常出现一些自己意想不到的bug，并且调试起来非常困难。下面我们就来看看它们有哪些特性。一、首先我们先一起了解一下Python/Numpy中的广播（Broadcasting）特性在python或者Numpy中，如果你用一个向量 和一个 常数相加，...
2019-03-10 16:18:03
6490
原创 机器学习数学基础 -- 线性代数矩阵及向量计算
在进行机器学习编程过程中，需要用到一些线性代数的基础知识，以便简化程序的编写，并且可以利用GPU的矩阵运算能力，提高运算效率。本文不作过多的理论解释，只是基于具体的例子来介绍一下矩阵运算的数学基础知识，以便备用。首先介绍一下什么是矩阵，如下列出了3个矩阵，分别是3行2列，2行3列，3行4列的矩阵矩阵的加法及减法两个矩阵的加法，简单描述就是用两个矩阵中相同位置的各个元素依次相加，...
2019-02-22 23:16:33
980
翻译 机器学习很有趣！第四章：深度学习进行人脸识别
作者：Adam Geitgey原文：https://medium.com/@ageitgey/machine-learning-is-fun-part-4-modern-face-recognition-with-deep-learning-c3cffc121d78翻译：拼命先生转载请联系译者！ 您是否注意到Facebook已经开发出一种不可思议的能力来识别您照片中的朋友？在过...
2019-02-18 22:59:29
1661
翻译 机器学习很有趣！第二章：用机器学习制作超级马里奥的关卡
作者：Adam Geitgey原文：https://medium.com/@ageitgey/machine-learning-is-fun-part-2-a26a10b68df3翻译：拼命先生转载请联系译者！ 在第一章中我们说到，机器学习使用通用算法告诉您一些有关数据的有趣的结论，而无需针对您正在解决的问题编写任何特定的代码。（如果您还没有阅读第1章，请立即阅读！）。这一...
2019-02-17 19:21:29
853
原创 对TensorFlow中tf.nn.softmax()函数机器损失函数的理解
Softmax函数，或称归一化指数函数，是逻辑函数的一种推广。它能将一个含任意实数的K维向量A “压缩”到另一个K维实向量 A' 中，使得A' 每一个元素的范围都在（0,1）之间，并且所有元素的和为1。该函数的形式可以按下面的式子给出：可能大家一看到公式就有点晕了，别被吓跑，我来简单解释一下。这个公式的意思就是说得到的A'向量中的每个元素的值，是由A中对应元素的指数值除以A中所有元素的...
2019-02-15 16:43:55
4514
原创 Tensorflow中 tf.argmax()方法的用法
tf.argmax()方法用于计算张量tensor沿着某一维度的最大值的索引。tf.math.argmax( input, axis=None, name=None, dimension=None, output_type=tf.int64)第一个参数 input： 输入的需要处理的张量 tensor，必须是以下数据类型之一float32, flo...
2019-02-14 23:07:39
4331
1
原创 Tensorflow中 tf.reduce_sum()方法的用法
tf.reduce_sum()方法用于计算张量tensor沿着某一维度的和，可以在求和后降维。tf.math.reduce_sum( input_tensor, axis=None, keepdims=None, name=None, reduction_indices=None, keep_dims=None)第一个参数 input_te...
2019-02-14 22:38:11
4464
翻译 机器学习很有趣！第一章：世界上最简单的机器学习入门！
作者：Adam Geitgey原文：https://medium.com/@ageitgey/machine-learning-is-fun-80ea3ec3c471#.ak1of1xbg翻译：拼命先生转载请联系译者！ 您是否听说过人们谈论机器学习但只是对这意味着什么有一个模糊的想法？您是否已经厌倦了通过与同事交谈的方式点头？让我们改变它！本指南适用于对机器学习感到好奇但不...
2019-02-13 19:27:14
1524
原创 TensorFlow优化器GradientDescentOptimizer
类GradientDescentOptimizer继承自:Optimizer这是一个实现实现梯度下降算法的优化器类，用于构造一个新的梯度下降优化器实例 构造器方法__init____init__( learning_rate, use_locking = False, name = ' GradientDescent ')参数:learnin...
2019-02-12 01:04:38
15262
原创 Tensorflow中 tf.reduce_mean()方法的用法（转载+修订）
原作：-牧野- 原文：https://blog.csdn.net/dcrmg/article/details/79797826 修订：拼命先生 （感谢原创牧野，是它的这篇博文让我对reduce_mean有了清晰的理解，考虑到python和Tensorflow的版本更新，有些内容有了变化，因此在转载的基础上做了修订！！）tf.reduce_mean()方法用于计算张量tensor沿着某一维度...
2019-02-11 22:53:45
1142
原创 Tensorflow中tf.Variable()和tf.get_variable()的区别与关系
从两个方法的名称上，可以简单理解一下，Variable是定义变量，而get_variable是获取变量（只不过如果获取不到就重新定义一个变量），如果按照这种逻辑，已经基本上可以理解两者的差异了。下面我们通过一些代码，来更深入理解一下两者的差异和各自的特点先看下面这段代码（最好先不要看下面注释中的输出结果，先自己思考一下会是什么结果）import tensorflow as tfv...
2019-02-10 23:53:56
1901
1
原创 Python中三个双引号的作用是什么？
在Python程序中，你有时可以看到三个连续的双引号，那么它的作用是什么，在什么场景下使用呢？作用一：进行多行注释我们都知道Python中注释是井号 #，但是如果你需要描述多行注释的时候，就需要每行都写一个 #，或者，你可以采用连续的三个双引号，如下：# 这是单行注释"""这是多行注释第一行这是多行注释第二行这是多行注释第三行"""作用二：定义多行字符串为避免使用...
2019-02-09 15:49:54
57652
6
原创 Python中的单引号和双引号有什么区别
在Python当中表达字符串既可以使用单引号，也可以使用双引号，那两者有什么区别吗？简单来说，在Python中使用单引号或双引号是没有区别的，都可以用来表示一个字符串。但是这两种通用的表达方式，除了可以简化程序员的开发，避免出错之外，还有一种好处，就是可以减少转义字符的使用，是程序看起来更简洁，更清晰。举个两个例子：1、包含单引号的字符串假如你想定义一个字符串my_str，其值为：...
2019-02-09 11:00:31
76741
14
原创 TensorFlow入门之张量浅析
TensorFlow中操作和传递的主要对象就是张量，在TensorFlor中叫做tf.Tensor，TensorFlow中的张量可以是0阶~n阶，阶也可以称为秩，等级或者n维，定义一个最简单的变量，可以认为是定义一个0阶张量。TensorFlow中有以下几类特殊张量tf.Variable tf.constant tf.placeholder tf.SparseTensor以下展示定...
2019-02-07 02:14:53
294
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