qq_903012463
码龄7年
求更新 关注
提问 私信
  • 博客:87,395
    问答:1,803
    89,198
    总访问量
  • 47
    原创
  • 28
    粉丝
  • 95
    关注
IP属地以运营商信息为准,境内显示到省(区、市),境外显示到国家(地区)
IP 属地:山东省
加入CSDN时间: 2018-09-29
博客简介:

qq_43309133的博客

查看详细资料
个人成就
  • 获得50次点赞
  • 内容获得28次评论
  • 获得237次收藏
  • 代码片获得581次分享
  • 博客总排名1,983,820名
创作历程
  • 10篇
    2022年
  • 23篇
    2021年
  • 20篇
    2020年
成就勋章
TA的专栏
  • python
    23篇
  • tensorflow应用
    37篇
  • 数据读取和处理
  • 我的科研

TA关注的专栏 5

TA关注的收藏夹 0

TA关注的社区 0

TA参与的活动 0

创作活动更多

新星杯·14天创作挑战营·第13期

这是一个以写作博客为目的的创作活动,旨在鼓励大学生博主们挖掘自己的创作潜能,展现自己的写作才华。如果你是一位热爱写作的、想要展现自己创作才华的小伙伴,那么,快来参加吧!我们一起发掘写作的魅力,书写出属于我们的故事。我们诚挚邀请你们参加为期14天的创作挑战赛!注: 1、参赛者可以进入活动群进行交流、互相鼓励与支持(开卷),虚竹哥会分享创作心得和涨粉心得,答疑及活动群请见:https://bbs.csdn.net/topics/619781944 【进活动群,得奖概率会更大,因为有辅导】 2、文章质量分查询:https://www.csdn.net/qc

88人参与 去参加
  • 最近
  • 文章
  • 专栏
  • 代码仓
  • 资源
  • 收藏
  • 关注/订阅/互动
更多
  • 最近

  • 文章

  • 专栏

  • 代码仓

  • 资源

  • 收藏

  • 关注/订阅/互动

  • 社区

  • 帖子

  • 问答

  • 课程

  • 视频

搜索 取消

python绘图matplotlib 图例legend形状和位置设置

legend调整
原创
博文更新于 2023.02.25 ·
2843 阅读 ·
1 点赞 ·
0 评论 ·
6 收藏

python画图(标记、marker、设置标记大小、marker符号大全)

python画图标记marker大全
原创
博文更新于 2022.12.06 ·
4427 阅读 ·
3 点赞 ·
0 评论 ·
32 收藏

windows无权限如何安装TensorFlow-GPU?

window安装tf-gpu
原创
博文更新于 2022.09.30 ·
564 阅读 ·
0 点赞 ·
0 评论 ·
1 收藏

python matplptlib画图显示下标

ax.set_ylabel("The value of $u_a$")plt.legend(labels=['$u_{a1}$','$u_{a2}$','$u_{a3}$','$u_{a4}$'], loc='best'--------------------------------------------------------如果涉及到多个字符,那么只需把期望的下标部分加上{}。--------------------------------------------------------
原创
博文更新于 2022.05.13 ·
1017 阅读 ·
0 点赞 ·
0 评论 ·
2 收藏

sns.violinplot 小提琴图控制XY坐标轴范围

我想在一月开始剧情,即使数据收集在3月开始2021,为了显示每年的绘图顶部彼此,并能够在视觉上比较相同月份的不同年份。我尝试了set_xlim的以下用法,但没有成功。只需将order参数传递给saeborn.violinplot:fig, ax = plt.subplots(figsize=(24,10))fontsize=18plt.rc('xtick', labelsize=fontsize)plt.rc('ytick', labelsize=fontsize)plt.rcParams
原创
博文更新于 2022.05.13 ·
3521 阅读 ·
0 点赞 ·
1 评论 ·
3 收藏

Conda网络报错Collecting package metadata (current_repodata.json): failed

使用python部署独立环境小伙伴因为网速慢没少吃苦。下面的异常你一定见过,或者似曾相识CondaHTTPError: HTTP 000 CONNECTION FAILED for url <https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/linux-64/qt-5.12.5-hd8c4c69_1.tar.bz2>Elapsed: -An HTTP error occurred when trying to
转载
博文更新于 2022.04.24 ·
1936 阅读 ·
3 点赞 ·
2 评论 ·
4 收藏

AttributeError: ‘tensorflow.python.framework.ops.EagerTensor‘ object has no attribute ‘_in_graph_mod

The reason for the bug is that the tf.keras optimizers apply gradients to variable objects (of type tf.Variable), while you are trying to apply gradients to tensors (of type tf.Tensor). Tensor objects are not mutable in TensorFlow, thus the optimizer canno
原创
博文更新于 2022.02.08 ·
2659 阅读 ·
0 点赞 ·
0 评论 ·
0 收藏

Tensorflow 2.x自定义网络层的方法及其注意事项

转载https://zhuanlan.zhihu.com/p/86886620在tensorflow 2.x中自定义网络层最好的方法就是继承tf.keras.layers.Layer类,并且根据实际情况重写如下几个类方法:__init__:初始化类,你可以在此配置一些网络层需要的参数,并且也可以在此实例化tf.keras提供的一些基础算子比如DepthwiseConv2D,方便在call方法中应用;你可以在其中执行所有与输入无关的初始化。build:可以获得输入张量的形状,并可以进行其余的初始化。该方
转载
博文更新于 2022.01.03 ·
924 阅读 ·
0 点赞 ·
1 评论 ·
1 收藏

TensorFlow2 关于设置变量是否trainable的难懂点

复杂模型的建立,可以是Model类型里面嵌套Model类型的Layer type,比如:这就会导致层次结构很深。当想要设置深层的权重是否可训练的时候,不要以为把最内层的layer.trainable=True即可了,这还是不够的,要把这一个layer从属的外层layer或者外层model(layer)也设置为 layer.trainable=True,因为TensorFlow2 的层次结构的trainable状态是独立的,外层的状态不会因为你对内层的状态改变而自动调整,要手动从外到内逐层设置,才是正确的
原创
博文更新于 2022.01.03 ·
1242 阅读 ·
0 点赞 ·
0 评论 ·
1 收藏

tensorflow2 model.fit()高级使用方法详解

首先是官方文档: def fit(self, x=None, y=None, batch_size=None, epochs=1, verbose=1, callbacks=None, validation_split=0., validation_data=None, shuffle=True, clas
原创
博文更新于 2022.01.02 ·
2217 阅读 ·
1 点赞 ·
1 评论 ·
4 收藏

在ubuntu系统的超算部署Anaconda

1.在ubutun终端下载安装包:wget http://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2021.05-Linux-x86_64.sh注意,是http而不是https;远程调用下载文件直接用wget就可以,一般文件路径类型是http。如果有遇到是https就会下载出错。否则,Linux下载文件时报错 To connect to ohse.de insecurely, use ‘–no-check-certificate’
原创
博文更新于 2021.12.02 ·
2188 阅读 ·
0 点赞 ·
0 评论 ·
2 收藏

回调函数Callbacks - Keras中文文档.zip

发布资源 2020.08.19 ·
zip

2021-10-01 tensorflow2 model.build()初始化模型后,其实约束还没执行

tensorflow2 的内在BUG是用Sequential创建模型时,model.build()初始化模型后,其实内在约束还没执行,比如kernel_constraint, 需要在第一次参数更新后(即调用 optimizer.gradients()更新权重),他才会执行。所以我使用了这个方法:让他更新一下...
原创
博文更新于 2021.10.01 ·
2706 阅读 ·
0 点赞 ·
0 评论 ·
1 收藏

tensorflow2 给指定某一层权重赋值的绝骚操作

model.weights是不可更改的变量类型,自定义的给层手动赋值绝非易事。直接上代码:# 给第一隐藏层赋值为例optimizer2 = tf.keras.optimizers.SGD(lr=1.0)layer1 = model.layers[0]# theta1是网络原本带的权重 theta2 = [1,1,1,2,85,54,41] # 自己定义的权重optimizer2.apply_gradients(zip([theta1-theta2], layer1.trainable_varia
原创
博文更新于 2021.08.19 ·
1993 阅读 ·
3 点赞 ·
0 评论 ·
7 收藏

2021-08-18使用TensorFlow图层的“kernel_constraint”实现权重规范化

在[1],Salimans等人 . 提出了一种神经网络归一化技术,称为权重归一化,它对网络层的权重向量进行归一化,与例如批量归一化相反,后者规范化流经该层的实际数据批量 . 在某些情况下,权重归一化方法的计算开销较低,并且还可以在使用批量归一化不可行的情况下使用 .由优化器更新后应用于内核的可选投影函数(例如,用于实现层权重的范数约束或值约束) .我的问题是:是否可以使用上述TensorFlow图层来实现权重标准化 kernel_constraint ?假设 x 是一个形状为 (batch, heigh
原创
博文更新于 2021.08.18 ·
550 阅读 ·
0 点赞 ·
0 评论 ·
0 收藏

kera-bert,keras, tensorflow版本对应

tensorflow2太好用了,相对来说tensorflow1就是个智障。而bert一点都不友好,几千行代码。kera_bert对bert进行了很好的封装,太棒了!tensorflow-gpu 2.2.0keras 2.4.3keras-bert 0.88.0
原创
博文更新于 2021.08.07 ·
2834 阅读 ·
1 点赞 ·
2 评论 ·
6 收藏

layers.GlobalAveragePooling1D()的作用:接入Dense层之前,一定要把数据打平!

self.avgpool = layers.GlobalAveragePooling2D()可以用来打平!如果你的数据是3D的,要用 layers.GlobalAveragePooling1D()!效果:TensorShape([8, 200, 256]) ===> TensorShape([8, 256]) # self.final_bn = layers.BatchNormalization() # 接入Dense层之前,先打平!!! self.avgpool =
原创
博文更新于 2021.08.06 ·
1691 阅读 ·
0 点赞 ·
0 评论 ·
3 收藏

tensorflow BERT创建模型 并训练的流程(使用estimator)

step1. 创建一个网络model_fn = model_fn_builder( bert_config=bert_config, num_labels=len(label_list), init_checkpoint=FLAGS.init_checkpoint, learning_rate=FLAGS.learning_rate, num_train_steps=num_train_steps, num_warmup_steps=num_warmup_s
原创
博文更新于 2021.08.03 ·
715 阅读 ·
0 点赞 ·
0 评论 ·
0 收藏

Bert模型创建过程解读

def create_model(bert_config, is_training, input_ids, input_mask, segment_ids, labels, num_labels, use_one_hot_embeddings): """Creates a classification model.""" model = modeling.BertModel( config=bert_config, is_tr
原创
博文更新于 2021.08.01 ·
308 阅读 ·
0 点赞 ·
0 评论 ·
0 收藏

看懂tf.app.run()

# 前面的代码省略了...def main(argv=None): mnist = input_data.read_data_sets("F:\mydata\TensorFlowData\MNIST_data", one_hot=True) train(mnist)if __name__ == '__main__': tf.app.run()大概意思是通过处理flag解析,然后执行main函数。说白了,有两种情况:如果你的代码中的入口函数不叫main(),而是一个其他
原创
博文更新于 2021.08.01 ·
182 阅读 ·
0 点赞 ·
0 评论 ·
0 收藏
加载更多