小白水手的博客

1、TensorFlow 1.13.1: ImportError: libcublas.so.10.0: cannot open shared object file: No such file or directory #26209 参考：https://github.com/tensorflow/tensorflow/issues/26182#issuecomment-468882301 和h...

import numpy import tensorflow as tf a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a') b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b') c = tf.matmul(a, b)...

https://blog.csdn.net/u012759136/article/details/52232266

代码在 给一个拥抱 上 网络结构 inp = Input(shape=(maxlen,)) x = Embedding(max_features, embed_size)(inp) x = Bidirectional(CuDNNGRU(64, return_sequences=True))(x) x = GlobalMaxPool1D()(x) x = Dense(16, activation="...

一、数据准备 1.一个友好的标注工具 各种系统安装已经再此介绍的很详细了，linux下可以三行命令解决。 注意：图片要求是png或者jpg格式 1> . 标注信息存为xml文件，使用该脚本可以将所有的xml文件转换为1个csv文件（自行修改xml路径） 2> . 把生成的csv文件分成训练集和测试集 2.生成TFRecord文件 使用该脚本分别生成train.re

计算公式 需要计算：平方 矩阵内部和, 开方 # -*- coding: utf-8 -*- import tensorflow as tf import numpy as np #两种定义初始数组的方法,但是注意一定用float,因为最后一步是开平方,整型会报错 # x1 = tf.constant([[1,2,3,4],[5,6,7,8],[9,10,11,12]],tf.float3...

摘自这里 1.搭建神经网络基本流程 定义添加神经层的函数 1.训练的数据 2.定义节点准备接收数据 3.定义神经层：隐藏层和预测层 4.定义loss表达式 5.选择optimizer 使loss达到最小 然后对所有变量进行初始化，通过sess.run optimizer，迭代1000次进行学习： import tensorflow as tf import numpy a...

–摘自黄海广博士等人笔记，吴恩达的深度学习课程 1.边缘检测示例 神经网络的前几层是如何检测边缘的，然后后面的层有可能检测到物体的部分区域，更靠后的一些层可能检测到完整的物体，这个例子中就是人脸。 给了这样一张图片，让电脑去搞清楚这张图片里有什么物体，你可能做的第一件事就是检测图片的垂直边缘。（比如图片中的栏杆就对应垂线，行人的轮廓线也是垂线，这些线是垂直边缘器的输出。）同样，可...

1.softmax回归 准确率91%，较低 数据集下载自MNIST官网 包含四个压缩文件 不必解压放到目录就好 #完整代码 #仅做记录，详细解释有待补充 import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data mnist = input_data.read_data_...

以下是tensorflow包导入，默认在每一段代码里都有了 from __future__ import print_function,division#_future_必须放在最前边，这个模块比较特别，它可以导入那些在未来会成为标准python组成的新特性 import tensorflow as tf from sklearn.datasets import load_digits im...

1.imshow()失败 import tensorflow as tf from sklearn.datasets import load_digits import matplotlib.pyplot as plt import numpy as np digits = load_digits() #载入数据集 plt.imshow(digits.image[12]) #获取标签为...

tensor类 print("build a graph") a = tf.constant([[1,2],[3,4]]) b = tf.constant([[1,1],[0,1]]) print("a:",a) print("b:",b) print("type of a:",type(a)) c = tf.matmul(a,b) print("c:",c) print("\n")

1.自编码器 顾名思义，即可以使用自身的高阶特征编码自己。实际上也是一种神经网络，输入和输出是一致的。 借助稀疏编码的思想，目标是使用稀疏的一些高阶特征特征重新组合来重构自己。 特点很明显： 1）期望输入输出一致； 2）希望使用高阶特征来重构自己，不只是复制像素点。 2.单层tensorflow实现 我们的自编码器会使用到一种参数初始化方法：xavier initializati...

1.安装的很顺利，遇到一个问题就百度一下，然后每次都能顺利解决,但是安装完之后，发现一篇博客说最好不要直接用pip安装，而是借助其他工具，因为在后边的配置环境会有雷等着你，目前没遇到雷，等遇见了就卸载重装，顺便来更新一下。 2.开发环境我用的pycharm,pycharm是我一早就安装好的，但是遇见一个坑，就是每次新建一个项目，总会重新加载一次tensorflow，导致每个文件都很大，然后设置默...