![](https://img-blog.csdnimg.cn/20201014180756930.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习-基本
文章平均质量分 58
喜欢雨天的我
爱技术,爱生活.
展开
-
Scipy库(win下安装)
Scipy库 SciPy 库建立在 Numpy 库之上,提供了大量科学算法Document特殊函数 (scipy.special)积分 (scipy.integrate)最优化 (scipy.optimize)插值 (scipy.interpolate)傅立叶变换 (scipy.fftpack)信号处理 (scipy.signal)线性代数 (scipy.linalg)稀疏特征值原创 2017-03-19 13:20:24 · 3767 阅读 · 0 评论 -
Win10下安装TensorFlow
第一步 首先需要去下载一个Python。注意:必须为3.5版本(别问我为什么这么说,踩坑了) Python3.5版本官网下载地址第二部 将你的python和pip3设置为环境变量第三部因为电脑支持GPU,则优先选择GPU版本的TensorFlowpython install tensorflow-gpu完工可以使用了目前这个完工是你可以使用Tensorflow了,但是如果想要跑程序原创 2017-03-14 20:30:03 · 1252 阅读 · 0 评论 -
Protocol Buffers(持久化存储)
Protocol BuffersGoogle Developer of Protocol Buffers持久化的结果:message Person { required string name = 1; required int32 id = 2; optional string email = 3;}支持多种语言。原创 2017-04-15 15:02:29 · 965 阅读 · 0 评论 -
Bazel (google自动化构建工具)
Bazel 是Google开源出来进行自动化构建工具,相比传统的Makefile,Ant或者Maven,Bazel在速度,可伸展性,灵活性以及对不同程序语言和平台上支持都要更加出色。Bazel 官网稍后整理介绍。原创 2017-04-15 15:19:37 · 2705 阅读 · 0 评论 -
Numpy的广播机制
All input arrays with ndim smaller than the input array of largest ndim, have 1’s prepended to their shapes. The size in each dimension of the output shape is the maximum of all the input sizes in t原创 2017-04-16 20:03:30 · 3166 阅读 · 0 评论 -
Firebase 部署篇
FireBase简介官网讲的很好,我就不多说了,链接给大家可以直接去官网看。如果英文好的话可以直接看英文官网介绍Firebase部署入门操作安装Node.js在你部署FireBase前提,你需要先安装后端的支持。Node.js官网,进行下载对应你系统的软件。Firebase的一系列部署首选我们需要进行安装我们的Firebase。Google提供给我们通过node.js的npm进行下载。npm i原创 2017-05-14 21:01:15 · 6166 阅读 · 4 评论 -
Tensorflow-高级封装tflearn
tflearntflearn的Github传送门导入pip3 install tflearn原创 2017-06-18 13:38:34 · 996 阅读 · 0 评论 -
CNN-收集的一些资料
BlogAn Intuitive Explanation of Convolutional Neural NetworksConvolutional Neural Networks (LeNet)¶Convolutional Neural Networks (CNNs / ConvNets)A Beginner’s Guide To Understanding Convolutional N原创 2017-07-21 21:40:43 · 456 阅读 · 0 评论 -
TensorFlow基础知识点(一)切换CPU或GPU
TensorFlow中文翻译使用手册 以下系列都是或多或少来自手册内容,只是作为易忘点进行整理。如果设备不止一个GPU,需要明确op操作在那个GPU上去调用他们。可以使用with ... Device语句明确指定那个Cpu或Gpu将被调用。with tf.Session() as ses: with tf.device("/gup:1"): matrix1=tf.con原创 2017-03-14 13:52:41 · 29780 阅读 · 14 评论 -
建造第一个Tensorflow在Android上的用例
原文出处IntroductionThis tutorial helps you getting started with bringing your tensorflow models into your Android applications.Recently, and slowly, tensorflow has been adding features an转载 2017-07-23 13:30:57 · 1124 阅读 · 0 评论 -
Tensorflow进行保存模型
tensorflow最简单的保存与加载模型的方法是Saver对象(存放在tensorflow.train)。构造器给graph所有的变量,或者定义在列表中的变量,添加save和restore的操作,分别为保存和加载。变量保存在二进制的文件中,主要包含的是从变量名到tensor值的映射关系。保存变量通过下面的一段代码穿件Saver对象来管理模型中的变量(默认情况下是所有的变量,也可以自行选择)。im原创 2017-04-10 22:18:19 · 579 阅读 · 0 评论 -
Tensorflow的可视化操作
如何通过浏览器查看结果首先我们通过TF将我们的训练对应的图,进行点保存 summary_writer = tf.summary.FileWriter('E:\TensorFlowMINST\\tensorboard', sess.graph)数据结果如图所示: 开启Tensorflow的服务器,进行查看我们的图。tensorboard --logdir #你保存图的目录如何进行保存首先原创 2017-04-10 22:06:31 · 1519 阅读 · 0 评论 -
TensorFlow基础知识点(六)/矩阵基本操作
import tensorflow as tf# 1.1矩阵操作sess = tf.InteractiveSession()x = tf.ones([2, 3], "float32")print("tf.ones():", sess.run(x))tensor = [[1, 2, 3], [4, 5, 6]]x = tf.ones_like(tensor)print("ones_like给原创 2017-03-19 18:31:46 · 19631 阅读 · 0 评论 -
Tensorflow卷积网络
原文:http://blog.csdn.net/u014595019/article/details/52728886在之前的tensorflow笔记:流程,概念和简单代码注释 文章中,已经大概解释了tensorflow的大概运行流程,并且提供了一个mnist数据集分类器的简单实现。当然,因为结构简单,最后的准确率在91%左右。似乎已经不低了?其实这个成绩是非常不理想的。现在m转载 2017-03-19 18:36:08 · 640 阅读 · 0 评论 -
Tenosrflow的可视化和中间变量的存储与恢复
保存与读取模型在使用tf来训练模型的时候,难免会出现中断的情况。这时候自然就希望能够将辛辛苦苦得到的中间参数保留下来,不然下次又要重新开始。好在tf官方提供了保存和读取模型的方法。保存模型的方法:# 之前是各种构建模型graph的操作(矩阵相乘,sigmoid等等....)saver = tf.train.Saver() # 生成saverwith tf.Session() as sess:原创 2017-03-19 21:54:53 · 793 阅读 · 0 评论 -
全连接神经网络
全连接神经网络辅助阅读:TensorFlow中文社区教程 - 英文官方教程代码见:full_connect.pyLinear Model加载lesson 1中的数据集将Data降维成一维,将label映射为one-hot encodingdef reformat(dataset, labels):dataset = dataset.reshape(转载 2017-03-22 21:20:52 · 12650 阅读 · 0 评论 -
TensorFlow基础知识点(二)交互式使用/Interactive Usage
为了避免IPython的交互式的使用,导致一个变量持有会话,则可以使用InteractiveSession来代替Session类,使用Tensor.eval()和Operation.run()方法来代替之前沿用的Session.run()如下代码段:# Enter an interactive TensorFlow Session. import tensorflow as tf sess =原创 2017-03-14 14:01:14 · 888 阅读 · 0 评论 -
TensorFlow基础知识点(三)变量/Variables
在TensorFlow中变量维持了图执行过程中的状态信息。接下来我们用TensorFlow的实例代码来说明。# Create a Variable, that will be initialized to the scalar value 0.# 建 立 一 个 变 量, 用0初 始 化 它 的 值 state = tf.Variable(0, name="counter")# Create原创 2017-03-14 14:17:35 · 717 阅读 · 0 评论 -
TensorFlow基础知识点(四)取回/Fetches
为了取回操作的输出内容 , 可以在使用 Session 对象的run()调用执行图时 , 传入一些tensor, 这些 tensor 会帮助你取回结果 . 在之前的例子里 , 我们只取回了单个节点state , 但是你也可以取回多个 tensor: 更直白的意思是,我们在run()中 可以传递多个tensor,每个传递进去的tensor都会被执行,并一起获得结果。原创 2017-03-14 14:23:52 · 877 阅读 · 0 评论 -
TensorFlow基础知识点(五)供给/Feeds
TensorFlow 还提 供给 (feed) 机制 , 该机制可临时替代图中的任意操作中的 tensor可以对图中任何操作提交补丁 , 直接插入一个 tensor. feed 使用一个 tensor 值临时替换一个操作的输出结果 . 你可以提供 feed 数据作为run() 调用的参数 .feed 只在调用它的方法内有效 , 方法结束 , feed 就会消失 . 最常见的用例原创 2017-03-14 14:27:41 · 568 阅读 · 0 评论 -
Python的With语法
引言with 语句是从 Python 2.5 开始引入的一种与异常处理相关的功能(2.5 版本中要通过 from __future__ import with_statement 导入后才可以使用),从 2.6 版本开始缺省可用(参考 What's new in Python 2.6?中 with 语句相关部分介绍)。with 语句适用于对资源进行访问的场合,确保不管使用过程中是否发生转载 2017-03-15 11:39:27 · 713 阅读 · 0 评论 -
TensorFlow用到的数学知识传送门
# 数学知识2017年3月14日21:29:01SoftmaxSoftmax的相关介绍。详细的WIKI公式和讲解交叉熵:是训练模型的一种指标,表示模型的好坏的指标称为(cost)或损失(loss),然后尽量最小化这个指标。交叉熵相关介绍反向传播算法(backpropagation algorithm) 有效的确定 变量是如何影响你想要最小化的那个成本值。反向传播算法相关介绍2017年3月15日19:原创 2017-03-14 21:29:26 · 2802 阅读 · 0 评论