摘要：
将字符串str当成有效的表达式来求值并返回计算结果。它要执行的python代码只能是单个运算表达式（不支持任意形式的赋值操作），而不能是复杂的代码逻辑。 eval(expression, globals=None, locals=None) 参数说明： expression：必选参数，可以是字符串， 阅读全文
posted @ 2018-12-04 22:40 wzd321 阅读(142) 评论(0) 推荐(0)
摘要：
tf.while_loop 可以这样理解： 即loop参数先传入cond 判断条件是否成立，成立之后，把 loop参数传入body 执行操作， 然后返回 操作后的 loop 参数，即loop参数已被更新，再把更新后的参数传入cond, 依次循环，直到不满足条件。 我们来看这样一个场景如何在 tens 阅读全文
posted @ 2018-12-04 21:08 wzd321 阅读(485) 评论(0) 推荐(0)
摘要：
a = tf.Variable(0.0,dtype=tf.float32) with tf.Session() as sess: sess.run(tf.global_variables_initializer()) print(sess.run(a)) a = tf.assign(a,10) print(sess.run(a)) a = tf.assig... 阅读全文
posted @ 2018-12-04 20:45 wzd321 阅读(804) 评论(0) 推荐(0)
摘要：
假设nce_loss之前的输入数据是K维的，一共有N个类 weight.shape = (N, K) bias.shape = (N) inputs.shape = (batch_size, K) labels.shape = (batch_size, num_true) num_true :实际的 阅读全文
posted @ 2018-12-04 20:26 wzd321 阅读(393) 评论(0) 推荐(0)
摘要：
tf.nn.max_pool(value, ksize, strides, padding, name=None) 参数是四个，和卷积很类似： 第一个参数value： 需要池化的输入，一般池化层接在卷积层后面，所以输入通常是feature map，依然是[batch, height, width, 阅读全文
posted @ 2018-12-04 20:20 wzd321 阅读(138) 评论(0) 推荐(0)
摘要：
tf.nn.dropout(x, keep_prob, noise_shape=None, seed=None, name=None) 此函数是为了防止在训练中过拟合的操作，将训练输出按一定规则进行变换. 参数： x：输入 keep_prob：保留比例，取值 (0,1] 。每一个参数都将按这个比例随 阅读全文
posted @ 2018-12-04 20:12 wzd321 阅读(198) 评论(0) 推荐(0)
摘要：
tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, name=None) 结果返回一个Tensor，这个输出，就是我们常说的feature map input： 指需要做卷积的输入图像，它要求是一个Tensor，具 阅读全文
posted @ 2018-12-04 20:08 wzd321 阅读(299) 评论(0) 推荐(0)
摘要：
黑产监控中，需要尽可能做到尽可能少的误伤和尽可能准确地探测，可以选择“在FPR较低时的TPR加权平均值”作为平均指标。 根据混淆矩阵计算TPR（覆盖率）和FPR（打扰率）： 覆盖率：TPR = TP /（TP + FN） 打扰率：FPR = FP /（FP + TN） TP、FN、FP、TN分别为真 阅读全文
posted @ 2018-11-20 11:32 wzd321 阅读(1147) 评论(0) 推荐(0)
摘要：
将原始图片旋转一个小角度，添加随机噪声。一些有弹性的畸变（elastic distortions），论文《Best practices for convolutional neural networks applied to visual document analysis》对MNIST做了各种变种 阅读全文
posted @ 2018-11-16 11:35 wzd321 阅读(599) 评论(0) 推荐(0)
浙公网安备 33010602011771号