qt-pyq

摘要： tensorflow gpu安装流程如下 conda create -n tfgpu3.9 python=3.9.21 conda activate tfgpu3.9 conda install -c conda-forge numpy=1.23.5 scipy=1.9.3 scikit-learn 阅读全文

摘要： 代码片段是TensorFlow中特征列（feature columns）的创建过程，用于处理分类和数值数据。这在构建机器学习模型时非常有用，特别是在使用TensorFlow的高级API如TF Estimator时。 这里是代码片段的解释和稍微修改后的版本： import numpy as np im 阅读全文

摘要： 首先下载并安装texlive 连接如下texlive安装教程 接着下载PlotNeuralNet项目 下载链接PlotNeuralNet 对PlotNeuralNet的一些解释 它其实是基于texlive语言，然后通过python语言按照texlive的语法格式进行拼接生成tex文档之后使用pdfl 阅读全文

摘要： 麻雀算法加上bp网络 import numpy as np import tensorflow as tf from tensorflow.keras.datasets import mnist from tensorflow.keras.utils import to_categorical fr 阅读全文

摘要： 完整代码示例 以下是一个完整的代码示例，展示如何将多个测试数据拼接成一个四维数组： % 示例测试数据 nn = 10; % 假设有10个测试样本 TestData = cell(nn, 6); % 创建一个包含10个样本的单元格数组，每个样本包含6个二维矩阵 % 生成一些随机数据作为示例 for k 阅读全文

摘要： 使用GMT来画船测轨迹 @echo off REM 设置注释字体大小为 15 点 gmt set FONT_ANNOT_PRIMARY 15p REM 开始绘图，指定输出文件名和格式 gmt begin lonlat_MH_track png REM 绘制基础地图 gmt basemap -R85/ 阅读全文

摘要： TensorBoard生成的各种可视化图表可以帮助你解读和分析训练过程中的不同指标。以下是对一些常见图表的解释： 1. 损失曲线（Loss Curve） 损失曲线显示了训练过程中的损失（loss）随时间的变化情况。一般会有两条曲线：训练损失和验证损失。 训练损失（Training Loss）： 反映 阅读全文

摘要： 使用netCDF4库读取nc文件 # ***1 数据读取与处理 # 打开 NetCDF 文件 GA_id = nc.Dataset('taiwan_GA.nc', 'r') DOV_E_id = nc.Dataset('taiwan_DOV_E.nc', 'r') DOV_N_id = nc.Dat 阅读全文

摘要： 关于直接安装pygmt库不成功 使用如下 pip install numpy pandas xarray netcdf4 packaging pygmt 链接如下 链接 阅读全文

摘要： 首先是基于本地mnist图像数据集来进行训练 笔记 首先是不管是数据集还是标签集，它都接收的是np数组，标签集接收的是int类型 关于它的输入数据的格式，nx28x28,标签的格式不是one—hot（这个看编译模型时的损失函数）。 整个流程是：1、处理数据（将其处理为模型需要的格式）。2、网络设计（ 阅读全文