python
文章平均质量分 87
AREH
这个作者很懒,什么都没留下…
展开
-
python3.6下 socket 实现客户端和服务端的连接
python3.6下服务器端代码为#coding:utf-8from socket import *from time import ctimeprint("=====================时间戳TCP服务器=====================");HOST = '127.0.0.1' #主机号为空白表示可以使用任何可用的地址。PORT = 21567 #...原创 2019-09-26 14:34:39 · 621 阅读 · 0 评论 -
tf.nn.softmax_cross_entropy_with_logits
tf.nn.softmax_cross_entropy_with_logits函数是TensorFlow中常用的求交叉熵的函数。其中函数名中的“logits”是个什么意思呢?它时不时地困惑初学者,下面我们就讨论一下。1. 什么是logits?说到Logits,首先要弄明白什么是Odds?在英文里,Odds的本意是指几率、可能性。它和我们常说的概率又有什么区别呢?在统计学里,概率(Pr...转载 2019-07-16 10:57:04 · 408 阅读 · 0 评论 -
sigmoid_cross_entropy_with_logits
函数定义def sigmoid_cross_entropy_with_logits(_sentinel=None, labels=None, logits=None, name=None): 函数意义这个函数的作用是计算经sigmoid 函数激活之后的交叉熵。为了描述简洁,我们规定 x = logits,...转载 2019-06-08 10:10:04 · 1300 阅读 · 0 评论 -
Feed机制
Feed上述示例在计算图中引入了 tensor, 以常量或变量的形式存储. TensorFlow 还提供了 feed 机制, 该机制 可以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...原创 2019-06-07 21:41:04 · 522 阅读 · 0 评论 -
tf.expand_dims()
TensorFlow中,想要维度增加一维,可以使用tf.expand_dims(input, dim, name=None)函数。当然,我们常用tf.reshape(input, shape=[])也可以达到相同效果,但是有些时候在构建图的过程中,placeholder没有被feed具体的值,这时就会包下面的错误:TypeError: Expected binary or unicode stri...转载 2019-06-07 10:38:55 · 215 阅读 · 0 评论 -
TENSORFLOW变量作用域(VARIABLE SCOPE)
举例说明TensorFlow中的变量一般就是模型的参数。当模型复杂的时候共享变量会无比复杂。官网给了一个case,当创建两层卷积的过滤器时,每输入一次图片就会创建一次过滤器对应的变量,但是我们希望所有图片都共享同一过滤器变量,一共有4个变量:conv1_weights,conv1_biases,conv2_weights, and conv2_biases。通常的做法是将这些变量设置为...原创 2019-06-06 20:24:48 · 149 阅读 · 0 评论 -
Django 的认识
1. 对Django的认识?#1.Django是走大而全的方向,它最出名的是其全自动化的管理后台:只需要使用起ORM,做简单的对象定义,它就能自动生成数据库结构、以及全功能的管理后台。#2.Django内置的ORM跟框架内的其他模块耦合程度高。#应用程序必须使用Django内置的ORM,否则就不能享受到框架内提供的种种基于其ORM的便利;#理论上可以切换掉其ORM模块,但这就相当...转载 2019-06-12 20:07:36 · 148 阅读 · 0 评论 -
深度学习之图像分类模型inception v2、inception v3解读
一、简介google发表的文章http://arxiv.org/pdf/1512.00567v3.pdf中包含了inception v2与inception v3两种模型配置。Inception v3单模型达到了21.2%的top1错误率,多模型达到了17.3%的top1错误率。二、网络分析文章地址如下:http://arxiv.org/pdf/1512.00567v3.pdf...转载 2019-04-03 19:32:41 · 492 阅读 · 0 评论 -
GAN完整理论推导与实现
GitHub实现地址:https://github.com/jiqizhixin/ML-Tutorial-Experiment本文更注重理论与推导,更多生成对抗网络的概念与应用前查看:生成对抗网络初学入门:一文读懂GAN的基本原理 深入浅出:GAN原理与应用入门介绍 宅男的福音:用GAN自动生成二次元萌妹子 一文帮你发现各种出色的GAN变体 直观理解GAN背后的原理:以人脸图像生...转载 2019-04-08 20:14:54 · 393 阅读 · 0 评论