摘要：
可视化利器Visdom 一、总结 一句话总结： visdom是facebook开源，感觉非常优雅，支持numpy和torch Visdom整体是一个CS架构，可以远程实时显示数据 二、可视化利器Visdom 转自或参考：可视化利器Visdomhttps://www.cnblogs.com/fangh 阅读全文
posted @ 2020-08-05 15:43
范仁义
阅读(513)
评论(0)
推荐(0)
摘要：
python虚拟环境-virtual environment 一、总结 一句话总结： python虚拟环境是一个隔离/独立的python开发环境，和系统python环境可以完全隔离，互不相关，相当于多了一个python开发环境。 1、python 可用于virtual environment的具体模 阅读全文
posted @ 2020-08-05 15:18
范仁义
阅读(2506)
评论(0)
推荐(0)
摘要：
TensorFlow2_200729系列 18、手写数字识别（层方式） 一、总结 一句话总结： 之前是张量（tensor）的方式，体现细节和原理，现在是层方式，更加简便简洁 model = Sequential([ layers.Dense(256, activation=tf.nn.relu), 阅读全文
posted @ 2020-08-05 15:10
范仁义
阅读(126)
评论(0)
推荐(0)
摘要：
tensorFlow2.1下的tf.data.Dataset.from_tensor_slices()的用法 一、总结 一句话总结： 将输入的张量的第一个维度看做样本的个数，沿其第一个维度将tensor切片，得到的每个切片是一个样本数据。实现了输入张量的自动切片。 # from_tensor_sli 阅读全文
posted @ 2020-08-05 14:30
范仁义
阅读(4742)
评论(0)
推荐(0)
摘要：
TensorBoard：TensorFlow 的可视化工具包 一、总结 一句话总结： TensorBoard的原理就是指定文件夹保存数据，然后监控文件夹数据变化，然后图像化显示出来，和我们自己做可视化的原理是一样的 二、TensorBoard：TensorFlow 的可视化工具包 tensorboa 阅读全文
posted @ 2020-08-05 11:18
范仁义
阅读(216)
评论(0)
推荐(0)
摘要：
神经网络反向传播更新原理 一、总结 一句话总结： A、输入x (w1和b2)-->中间输出h（省略很多层） (wi和bi)-->输出y-->loss函数 B、现在的需求是loss取最小值，可以求出loss对所有参数的梯度，让沿梯度下降的方向更新参数，例如w1= w1-lr*∂(loss)/∂(w1) 阅读全文
posted @ 2020-08-05 11:04
范仁义
阅读(492)
评论(0)
推荐(0)
摘要：
TensorFlow2_200729系列 17、函数用梯度下降法求最值实例 一、总结 一句话总结： 从不同的初始点梯度下降，找到的极值点不一样 import numpy as np from mpl_toolkits.mplot3d import Axes3D from matplotlib imp 阅读全文
posted @ 2020-08-05 02:41
范仁义
阅读(459)
评论(0)
推荐(0)
浙公网安备 33010602011771号