赫凯

摘要： 还是按着这篇简单的Mac版Docker封装需要传参的Python步骤走。 Docker+Flask+Python 目录安排Dockerfilerequirements.txtgunicorn.conf.pyrun_predict.pysrc 文件夹Docker 命令行装载建包运行docker导出导入 阅读全文

摘要： 被Docker折磨了好久，现在记录一下。用Mac做先按着教程下一个桌面版的MacOS Docker 安装，每次操作的时候必须启动才可以，要不就报没连接的错误。 Docker_Python_传参 文件目录Dockerfilerequirements.txt代码文件夹Docker命令行装载建包运行一下导 阅读全文

摘要： 图像 卷积网络引包数据准备模型准备跑起来预测 卷积网络 规范的图片尺寸都一样，不规范也要拉伸到规范，注意好输入输出的数据尺寸就好了 引包 import tensorflow as tf from tensorflow.keras import datasets, layers, models imp 阅读全文

摘要： Pandas一些领悟 DatetimeIndexDataFramepd.merge 十分钟掌握pandas（pandas官方文档翻译）这个的例子蛮详细的，跟着敲下来就好了，我做个小笔记。 DatetimeIndex pd.date_range('20130101', periods=6) # 结果 阅读全文

摘要： 其实分布式最核心的方式就是tf.distribute.Strategy这个函数，只要在这个函数的管理范围都可以。自定义循环训练 自定义循环训练 引包数据准备创建一个分布式策略模型准备跑起来加载模型循环数据 引包 引入一些基础包 # Import TensorFlow import tensorflo 阅读全文

摘要： Keras 的分布式训练 引包数据准备模型准备跑起来保存模型 引包 tf.distribute.MirroredStrategy的用法 # 导入 TensorFlow 和 TensorFlow 数据集 import tensorflow_datasets as tfds import tensorf 阅读全文

摘要： 文章目录 张量操作网络层操作自定义训练引包数据准备放入tf.data.Dataset里 模型准备跑起来评估 之前都是用model.fit()来训练模型，有没有一种方法可以像PyTorch那样，我可以掌握每一代的数据呢？有的，也是写for循环的。 Customization basics 张量操作 i 阅读全文

摘要： 文章目录 图像引包数据准备下载数据随机打印数据查看图片图对应的标签加载格式化图片 tf.data.Dataset跑起来数据集训练参数设置传入模型中 总结 CSV引包数据准备数据预处理离散的数据连续的浮点数据 模型准备跑起来 Numpy引包数据准备跑起来 pandas dataframes引包数据准备 阅读全文

摘要： 文章目录 Keras Tuner调整超参数引包数据准备模型准备跑起来 Keras Tuner调整超参数 Keras Tuner 是一个库，可帮助您为 TensorFlow 程序选择最佳的超参数集。为您的机器学习 (ML)应用选择正确的超参数集，这一过程称为超参数调节或超调。 模型超参数：影响模型的选 阅读全文

摘要： 文章目录 保存加载模型引包数据准备模型准备跑起来并保存模型加载模型checkpoint 回调选项保存模型的另外一些方式SaveModel文件格式HDF5 文件格式 保存加载模型 训练完模型之后，需要保存的，要不每次想测试的时候，都要走一遍训练，多麻烦呀。所以就需要保存以及加载。而且，有时候，模型跑着 阅读全文