深度学习
文章平均质量分 79
笔记类
大鱼不做程序猿
这个作者很懒,什么都没留下…
展开
-
Pycharm专业版以及通过高校邮箱激活
Pycharm专业版下载官网:https://www.jetbrains.com/官网下载速度也很快,如果实在下不下来可以找找百度云资源。这里我使用的2019版本,因为在使用2020最新版本安装的时候出现问题-在用高校邮箱激活时弹出报错框,大致的内容就是让你修改host文件什么的。因此为了不必要的麻烦,可以使用和我一样的版本2019.1.4下载完成之后,点击exe文件进行安装,具体安装步骤不再说了(网上教程很多),之后进行环境变量的配置(见其他教程)。高校邮箱激活安装之后进行高校邮箱的认证。这原创 2020-12-09 21:25:59 · 3807 阅读 · 0 评论 -
tqdm进度条可视化简单入门
在我们训练神经网络的时候,经常会消耗很长的时间来等待训练的结果。而这个过程,我们又不知道训练的怎么样了,进行到了哪一步?因此,进度条可以帮助我们更好的可视化训练的进度。通过Python的tqdm模块即可方便的实现进度条可视化效果。安装tqdm使用简单的命令即可安装(这里使用阿里云的镜像安装)pip install tqdm -i http://mirrors.aliyun.com/pypi/simple/一个简单的实例# 导入模块from tqdm import tqdm, trangei原创 2020-11-05 09:33:02 · 1055 阅读 · 0 评论 -
Coordinator类管理线程入门讲解
多线程思想:大概意思就是一台设备同时计算不同的功能。比如要执行两个计算1+1和2+2,对于单线程是逐步执行,执行完1+1之后再算2+2;对于多线程就是两者同时计算,在某些场合可以节省计算时间。下面使用Coordinator类来管理线程should_stop():该函数的返回值用来判断线程是否停止,如果线程停止了则返回True。request_stop():该函数用来请求线程停止。join():请求被指定的线程停止。启动线程之前,需要定义一个Coordinator的类,并将这个类传入到每一个创建的线原创 2020-11-04 19:56:52 · 381 阅读 · 0 评论 -
学习笔记:循环神经网络的前向传播
循环神经网络,前向传播过程通过一个可运行的完整代码来深入理解前向传播的过程前提是首先了解过RNN或是看过想过的书籍通过该代码的注释以及实现过程,可以对循环神经网络的前向传播有一个更好的理解import numpy as np# 定义状态的输入,x1=0.8,x2=0.1x = [0.8, 0.1]# 定义初始状态,即init_state与x1作为x1时刻的输入init_state = [0.3, 0.6]# 定义相邻时刻隐藏单元间的权重矩阵w = np.asarray([[0原创 2020-11-01 16:48:18 · 410 阅读 · 0 评论 -
在神经网络训练中如何获取两级目录的文件
获取两级目录下的文件在神经网络的学习中,经常会读取数据集来进行训练。通常我们都是把数据集放到一个目录下,那么对于存在两级目录的文件该如何读取呢?对于一些算法,把目录的名称作为类别的名字,而目录下的文件是一个类别的文件,显然,只对一个类别进行训练意义不大。因此获取两级目录下的文件对该算法 就行之有效。下面为可运行代码:# 定义一个大的文件路径,其中包含有n个子目录,每个子目录下包含m个文件# 现在求得每个子目录下面的文件的路径,并存放到列表里# path 为原始目录的路径# ne原创 2020-10-31 16:23:27 · 207 阅读 · 0 评论 -
通过mnist手写数字识别来学习模型的保存和加载
对于模型的保存和加载,下面以最熟悉的实例(mnist手写数字识别)来做实验。本文主要通过mnist手写数字识别来练习模型的保存和加载,建议了解了手写数字识别再研究这个。下面共有三个文件:train:用于训练数据并保存模型test:用于测试数据并加载训练好的模型inference:定义一个前向传播的函数# train.pyimport osimport tensorflow as tffrom tensorflow.examples.tutorials.mnist import inpu转载 2020-10-30 21:06:27 · 673 阅读 · 0 评论 -
argparse的入门学习之参数的输入
argparse.ArgumentParser()的使用首先,导入模块import argparse创建一个对象parser = argparse.ArgumentParser()添加参数parser.add_argument('-i', '--input', help='Input a number', tpye=float, required=True)其中,-i 和原创 2020-10-30 09:32:00 · 774 阅读 · 0 评论 -
神经网络入门-mnist识别实例
神经网络入门实例:1.单层神经网络mnist手写数字识别实例FLAGS = tf.app.flags.FLAGStf.app.flags.DEFINE_integer("is_train", 0, "Yuce ")def fullconnected(): # 从文件目录./data/mnist_data中读取mnist数据,并采用独热编码格式 mnist = input_data.read_data_sets("./data/mnist_data/", one_hot=True)原创 2020-10-27 09:39:31 · 616 阅读 · 0 评论