清园暖歌的博客

从混淆矩阵当中，可以得到更高级的分类指标：Accuracy（精确率），Precision（正确率或者准确率），Recall（召回率），Specificity（特异性），Sensitivity（灵敏度）。D：在B的基础上，在stage3，stage4和stage5基础上分别增加了一层3X3的卷积层，一共16层。E：在D的基础上，在stage3，stage4和stage5基础上分别增加了一层3X3的卷积层，一共19层。B：在A的基础上，在stage1和stage2基础上分别增加了1层3X3卷积层，一共13层。.

enumerate(text) 返回了text的 索引和值 给 i 和 c ，idx 为在 char_set 里找到的 c的索引值，所以新构建了一个全0 的二维数组，行数为标签的长度，列数为字符集合 char_set 的长度，转化结果即为，每i行的对应标签名称的第i个值对应的索引为1，其余为0。因此，训练所用的时间是CPU预处理时间和加速器训练时间的总和。text 为 all_label_names 即标签名称的值，假设标签是 677g3，则一次输入进函数 text2vec：6、7、7、g、3。

简而言之，循环神经网络带有上一次网络输出的“记忆”，即 当前网络的隐藏层的输入不仅和它的输入层有关，还和上一网络隐藏层的输出有关深度学习之RNN(循环神经网络)_笨拙的石头的博客-CSDN博客_rnn。.........

当训练完成后更新权重，再使用第101-200的个数据训练，直至第十次使用完训练集中的1000个数据后停止。③设置seed()的时，可以调用多次random()向该随机数的列表中添加信息；而再次使用设置的seed()值时，仅一次有效，也就是说调用第二次random()时则脱离该随机数的列表。是形状的张量(32,180,180,3)。每次只对下一次生成的随机数起作用，不同的初值生成的随机数不同，调用相同的初值，生成的随机数是相同的。④seed方法设立的目的是为了能够实现实验的可重复进行，得到相同的随机值结果。.

color_channels为(R,G,B)分别对应RGB的三个颜色通道(color channel)。在此示例中，我们的CNN输入，fashion_mnist数据集中的图片，形状是(28，28，1)即灰度图像。卷积神经网络(CNN)的输入是张量(Tensor)形式的(image_height，image_width,所以 np.argmax(pre[1]) 即是取出测试集中第一个图像 对于10中服装的最大置信度 的索引值 i。︰决定模型如何根据其看到的数据和自身的损失函数进行更新。...

CPU注重的是单线程的性能，要保证指令流不中断，需要消耗更多的晶体管和能耗用在控制部分，于是CPU分配在浮点计算的功耗就会变少。CNN是一种带有卷积结构的前馈神经网络，卷积结构可以减少深层网络占用的内存量，其中三个关键操作——局部感受野、权值共享、池化层，有效的减少了网络的参数个数，缓解了模型的过拟合问题。② 图像在数字化的过程中很难保留原有的特征，导致图像处理的准确率不高。CPU有大量的缓存结构，目前主流的CPU芯片上都有四级缓存，这些缓存结构消耗了大量的晶体管，在运行的时候需要大量的电力。.......

参考这位博主的文章，因为 tensorflow 2.3 只兼容python 3.5~3.7，而我的anconda中安装的默认版本是3.8，所以安装3.6版本。直接复制cudnn 解压文件夹下的所有到cuda 的安装路径，因为我是自定义选择的路径，创建了两个文件夹，所以都复制进去了。中间安装时电脑莫名重启了一次后就一直下载安装包失败，所以尝试 local 安装，但是又出现安装失败，发现是。的错误，是因为权限的问题，看看上面的命令有没有加上。至此，环境配置应该。失败，参考下面博主的文章，在自定义安装选项将。..