- 博客(4)
- 收藏
- 关注
RSS订阅原创 tensorflow 数据加载
数据载入的三种形式：一、直接使用numpy加载 for i in range(train_data.shape[0]//batch_size): image_batch = train_data[i*batch_size:(i+1)*batch_size,:,:,np.newaxis] label_batch = train_label[i * batch_size:(i + 1) * batch_size]二、使用tf.data.Dat
2020-06-30 23:30:39
503
3
原创 安装GPU环境
查看cuda支持的版本cmd中输入cd C:\Program Files\NVIDIA Corporation\NVSMInvidia-smi1、tensorflow安装cuda对照 版本cuda10.2链接cudnn7.6.5链接将cudnn下的文件贴贴到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2对应目录下配置环境变量C:\Program Files\NVIDIA GPU Computing Toolkit\CUD
2020-06-20 18:09:01
226
1
原创 算法（四）退火算法
退火退火，核心在退，每次迭代，范围缩小步骤：1 初始解2 开始while循环退火,当前范围T = T/(t) 其中t为循环累加的值，T为初始值，每次迭代减小3 每层迭代50次寻找这一层的最小值,如果比当前值大，概率性保存。方式是使用邻近解的函数值与当前解的函数值做比较代码如下：import mathimport randomdef function(x): return x**3-60*x**2-4*x+6def main(): T = 1000 t_min
2020-06-05 22:49:56
1693
原创 算法（三）遗传算法
使用目的：可以求解局部最大值，当数值范围过大时，不适用，仅适用于局部最优解步骤：1 生成种群：随机数范围即是局部的范围，范围过大，会造成无法求出最优解2 编码 ：将数据进行2进制编码，实现方式——处理负数——归一化——乘以基因位数3 选择 ： 选择首先对编码数据进行解码，同时求出适应度（就是函数的解）——求每个适应度概率（适应度除以总适应度）——求出适应度分布（列表每个索引对应的值是这个位置的适应度以及前面所有适应度的和）——利用转轮盘算法获取符合的适应度分布的索引从而获取对应的编码——每次获取两个
2020-06-03 23:01:10
284
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