paper学习

最新推荐文章于 2024-07-25 22:24:14 发布

toBeStrongCoder

最新推荐文章于 2024-07-25 22:24:14 发布

阅读量367

点赞数

分类专栏： 11 文章标签：学习 python tensorflow

本文链接：https://blog.csdn.net/qq_44837408/article/details/126902652

版权

11 专栏收录该内容

1 篇文章 0 订阅

订阅专栏

在这里插入图片描述

线上讲座：
从用户需求中寻找
从生存中获取需求
　　地震预警系统　中国智能手机电视内置地震预警时间表
视觉区分算法　检测模式的不同
　　手机不仅可以接受手机预警　也可以是地震监测仪
　　＂用科技的力量守护生命＂－雷军
从生态中发现需求
　　隐私保护

真正的始作俑者是商业的贪婪　　拷问灵魂的东西

tf.get_variable的使用方法

该函数的作用是创建新的tensorflow变量，常见的initializer有：常量初始化器tf.constant_initializer、正太分布初始化器tf.random_normal_initializer、截断正态分布初始化器tf.truncated_normal_initializer、均匀分布初始化器tf.random_uniform_initializer。

tf.contrib.layers.xavier_initializer函数

该函数返回一个用于初始化权重的初始化程序 “Xavier” 。

这个初始化器是用来使得每一层输出的方差应该尽量相等。

tf.nn.moments()函数用于计算均值和方差

在这里插入图片描述
Resume Programe:
恢复程序，比如，你在第 12 行和 16 行有两个断点，当前运行至第 12 行，按 Resume Programe ，则运行到下一个断点(即第 16 行);

tensorFlow中,tf.cond()类似于if…else…,用来控制数据流向,但是仅仅类似而已,其中差别还是挺大的。format:tf.cond(pred, fn1,

conda提速

对于Anaconda的下载方式就是conda install了，这个方式可以使用conda install -i 源的格式下载，但是太慢了，我们就永久更改位置即可，代码如下：

# 1. 设置

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

# 2. 生效

conda config --set show_channel_urls yes

复现论文的过程中遇到的问题：
找对数的计算方法：
在这里插入图片描述

x = tf.exp(3.)
print(x)
# print(x.s)
print(tf.math.log(x))

x为e的三次方的意思

如何确定tensorflow变量的类型　　直接ｔｙｐｅ一下

在这里插入图片描述
参考文章

tensorflow仅仅是一个框架　　他还是python 还是python语言来开发　
所以　所有的python相关的库在程序中都能拿来用　　类似强制必须用springBoot2.0的版本

随机生成二维坐标点

import matplotlib.pyplot as plt

import numpy as np

# 函数原型： numpy.random.uniform(low,high,size)
#
# 功能：从一个均匀分布[low,high)中随机采样，注意定义域是左闭右开，即包含low，不包含high.
list1 = []
for i in range(1):
    list1.append(np.random.uniform([0, 1000]))

list2 = []
for i in range(2):
    list2.append(np.random.uniform([0, 1000]))


# list3 = []
# for i in range(10):
#     list3.append(np.random.uniform([8, 20]))

print(list1)
print(type(list1))
print(list2)

```bash
print(list2[0][0])
print(type(list2[0]))

# [array([  0.99400174, 128.26891911])]
# <class 'list'>
# [array([  0.63974107, 483.53769663]), array([8.90073070e-01, 9.91542284e+02])]
# [  0.63974107 483.53769663]
# <class 'numpy.ndarray'>


# matplotlib.pyplot.scatter(x, y, s, c, marker, cmap, norm,
# vim, vmax, alpha, linewidths, verts, hold, **kwargs)
# 形如shape(n, )的数组，x是散点图的x轴数据，y是y轴数据
#c为颜色
plt.scatter(np.array(list1)[:, 0], np.array(list1)[:, 1], c="#DDA0DD")
plt.scatter(np.array(list2)[:, 0], np.array(list2)[:, 1], c="#7B68EE")
# plt.scatter(np.array(list3)[:, 0], np.array(list3)[:, 1], c="#4682B4")

plt.show()