小淼博客

  博客园  :: 首页  :: 新随笔  :: 联系 :: 订阅 订阅  :: 管理
上一页 1 ··· 15 16 17 18 19 20 21 22 23 ··· 25 下一页

2017年9月8日

摘要: 0.0 阅读全文
posted @ 2017-09-08 19:06 小淼博客 阅读(273) 评论(0) 推荐(0)

摘要: 666 阅读全文
posted @ 2017-09-08 17:10 小淼博客 阅读(531) 评论(0) 推荐(0)

摘要: 转载:http://www.cnblogs.com/mchina/archive/2013/01/03/2840040.html 一、NFS服务简介 NFS 是Network File System的缩写,即网络文件系统。一种使用于分散式文件系统的协定,由Sun公司开发,于1984年向外公布。功能是 阅读全文
posted @ 2017-09-08 16:48 小淼博客 阅读(547) 评论(0) 推荐(0)

2017年9月6日

摘要: 打算安装一个LXC linux容器管理的软件来分配使用资源并配置不同的编程环境,这样就方便大家的使用,步骤如下(宿主机的环境都搭建好了,对应显卡的驱动等): 参考网站: 简单入门和相关指令总结:https://www.ibm.com/developerworks/cn/linux/1312_caoj 阅读全文
posted @ 2017-09-06 22:32 小淼博客 阅读(1931) 评论(0) 推荐(0)

2017年8月10日

摘要: 需要准备的基本材料(请先看完整个安装过程再进行下面的操作): 一、到Opecv-Release的Github项目上下载最新的Opencv版本,注意 基于python2.7,可选用 OpenCV2.3/2.4 以及 OpenCV3.X,我们选取版本3.3: 下载地址:https://github.co 阅读全文
posted @ 2017-08-10 11:17 小淼博客 阅读(44401) 评论(7) 推荐(0)

2017年8月9日

摘要: 池化层的作用如下-引用《TensorFlow实践》: 池化层的作用是减少过拟合,并通过减小输入的尺寸来提高性能。他们可以用来对输入进行降采样,但会为后续层保留重要的信息。只使用tf.nn.conv2d来减小输入的尺寸也是可以的,但是池化层的效率更高。 常见的TensorFlow提供的激活函数如下:( 阅读全文
posted @ 2017-08-09 18:15 小淼博客 阅读(1253) 评论(0) 推荐(0)

摘要: 激活函数的作用如下-引用《TensorFlow实践》: 这些函数与其他层的输出联合使用可以生成特征图。他们用于对某些运算的结果进行平滑或者微分。其目标是为神经网络引入非线性。曲线能够刻画出输入的复杂的变化。TensorFlow提供了多种激活函数,在CNN中一般使用tf.nn.relu的原因是因为,尽 阅读全文
posted @ 2017-08-09 16:22 小淼博客 阅读(18570) 评论(0) 推荐(0)

摘要: 更多的基本的API请参看TensorFlow中文社区:http://www.tensorfly.cn/tfdoc/api_docs/python/array_ops.html 下面是实验的代码,可以参考,对应的图片是输出的结果: import tensorflow as tf import matp 阅读全文
posted @ 2017-08-09 15:13 小淼博客 阅读(3210) 评论(0) 推荐(0)

2017年8月8日

摘要: 函数1:tf.nn.conv2d是TensorFlow里面实现卷积的函数,实际上这是搭建卷积神经网络比较核心的一个方法 函数原型: tf.nn.conv2d(input,filter,strides,padding,use_cudnn_on_gpu=None, Name=None) 参数解释: 第一 阅读全文
posted @ 2017-08-08 10:26 小淼博客 阅读(1448) 评论(0) 推荐(0)

2017年8月6日

摘要: 因需要做一个监测TCP数据内容的小插件,学习了局域网内部的封装好的传输软件Socket: 一、Socket的简介如下: 网络上的两个程序通过一个双向的通信连接实现数据的交换,这个连接的一端称为一个socket。 建立网络通信连接至少要一对端口号(socket)。socket本质是编程接口(API), 阅读全文
posted @ 2017-08-06 21:32 小淼博客 阅读(3870) 评论(0) 推荐(0)

上一页 1 ··· 15 16 17 18 19 20 21 22 23 ··· 25 下一页

大家转载请注明出处!谢谢! 在这里要感谢GISPALAB实验室的各位老师和学长学姐的帮助!谢谢~