X1996_的博客

tensorflow中callbacks

X1996_ — Wed, 04 May 2022 14:36:49 +0800

tf.keras.callbacks是回调函数，在训练过程中可以访问用来做一些决策 tf.keras.callbacks.EarlyStopping早停函数，当监控目标monitor训练patience轮都不下降时，结束训练 tf.keras.callbacks.EarlyStopping( monitor='val_loss', min_delta=0, patience=0, verbose=0, mode='auto', baseline=None,

tensorflow中model.compile()

X1996_ — Wed, 04 May 2022 14:11:56 +0800

model.compile()用来配置模型的优化器、损失函数，评估指标等里面的具体参数有： compile( optimizer='rmsprop', loss=None, metrics=None, loss_weights=None, weighted_metrics=None, run_eagerly=None, steps_per_execution=None, jit_compile=None, **kwargs ) 我

python中*args和**kwargs的理解,Python中的*args和**kwargs的理解与用法

X1996_ — Sun, 24 Apr 2022 20:25:03 +0800

来自： https://blog.youkuaiyun.com/weixin_42312227/article/details/116178603 1、*args和**kwargs 这两个是python中方法的可变参数。 2、*args表示任何多个无名参数，它是一个tuple； 3、kwargs表示关键字参数，它是一个dict。并且同时使用*args和kwargs时，必须*args参数列要在**kwargs前，像foo(a=1, b=‘2’, c=3, a’, 1, None, )这样调用的话，会提示语法错误“Synt

google colab 训练模型时，第一轮为什么非常慢

X1996_ — Mon, 18 Apr 2022 16:34:02 +0800

google colab 训练模型时，第一轮为什么非常慢，怎么解决感谢这位老兄： https://www.xiaoheidiannao.com/249953.html 我在这里找到了解决方案一开始我只是以为是刚训练时载入数据或模型初始化那些比较慢，第一轮训练后面连的训练耗时差了十几倍，一开始我的batch_size设置的大一点，第一轮训练大概要2个小时左右，后面把batch_size改小了一倍，第一轮训练直接要5到6个小时了，实在不能忍受了，毕竟一天GPU的使用时间有限，然后就去找了找原因，解决办法。

7. LeNet

X1996_ — Sun, 17 Apr 2022 21:59:24 +0800

LeNet网络有两层卷积层，两层池化层，三层全连接层构成，搭建模型直接堆叠就好了搭建网络 import tensorflow as tf from d2l import tensorflow as d2l def net(): return tf.keras.models.Sequential([ tf.keras.layers.Conv2D(filters=6, kernel_size=5, activation='sigmoid',

6. 正则化 Dropout

X1996_ — Sat, 16 Apr 2022 21:56:01 +0800

正则化正则化主要是为了减少模型的过拟合，就像激活函数是为了增加网络的非线性。 Dropout只是其中的一种方法，主要是以一个概率将隐藏层的隐藏单元置为0 3. 通常越浅层网络置0的概率越低。 import tensorflow as tf from d2l import tensorflow as d2l # 正则化以dropout的概率丢弃张量输入X中的元素 def dropout_layer(X, dropout): # 断言判断dropout是否在0-1 assert 0 <

5.搭建两层网络

X1996_ — Sat, 16 Apr 2022 16:55:32 +0800

跟前面的没什么差别，搭建两层网络就初始化两层网络的参数就好了 1. 自己初始化参数模型那些，巴拉巴拉巴拉************ 会用到前面的训练、预测、评估部分函数，复制过来就好了没有***d2l***库的话安装就好了 !pip install d2l import tensorflow as tf from d2l import tensorflow as d2l # 分批载入数据集 batch_size = 256 train_iter, test_iter = d2l.load_data_fas

4.简洁实现softmax分类

X1996_ — Fri, 15 Apr 2022 22:25:09 +0800

与3中的一样，只是把自己实现的函数用API接口代替了，看着简洁了 import tensorflow as tf from d2l import tensorflow as d2l batch_size = 256 train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size) # 初始化模型参数 net = tf.keras.models.Sequential() net.add(tf.keras.layers.Flatten(input

3从0实现softmax训练，实现Fashion-MNIST分类

X1996_ — Fri, 15 Apr 2022 21:56:17 +0800

一. 数据集介绍 Fashion-MNIST由10个类别的图像组成，每个类别由训练数据集（train dataset）中的6000张图像和测试数据集（test dataset）中的1000张图像组成。因此，训练集和测试集分别包含60000和10000张图像。测试数据集不会用于训练，只用于评估模型性能。 Fashion-MNIST中包含的10个类别，分别为t-shirt（T恤）、trouser（裤子）、pullover（套衫）、dress（连衣裙）、coat（外套）、sandal（凉鞋）、shirt

cv2.imshow() is disabled in Colab, because it causes Jupyter sessions to crash；（Colab解决显示图片问题）

X1996_ — Fri, 15 Apr 2022 17:00:36 +0800

cv2.imshow()在Colab不能显示图片问题虽然不了解原因，但是换一下就可以了 from google.colab.patches import cv2_imshow import cv2 as cv import numpy as np img = cv.imread("111.jpg") cv2_imshow(img)

2利用API实现线性回归深度学习训练

X1996_ — Fri, 15 Apr 2022 15:57:07 +0800

这一个就是把昨天写的一些函数用API代替实现，不需要自己去写，比较简洁，实现的功能跟1一样，都是实现一个简单的线性回归网络 import random import tensorflow as tf # 生成数据集 y = X*w + b + (误差) def Data(w, b, num): # 生成全0矩阵 X = tf.zeros((num, w.shape[0])) # 给x随机赋初值 X = X + tf.random.normal(shape=X.shape) # 计算X对

1.实现一个最简单的线性回归深度学习训练

X1996_ — Wed, 13 Apr 2022 15:50:30 +0800

** 一、实现深度学习训练主要有数据集的制作载入数据集定义模型并初始化模型参数定义损失函数定义优化函数设置迭代次数，batch_size大小，开始训练** import random import tensorflow as tf # 生成数据集 y = X*w + b + (误差) def Data(w, b, num): # 生成全0矩阵 X = tf.zeros((num, w.shape[0])) # 给x随机赋初值 X = X + tf.random.norma

Google Colab中把pyth3.7版本更换成python3.6(tensorflow1.13)

X1996_ — Wed, 29 Dec 2021 21:58:00 +0800

1.把python默认版本3.7换成3.6，需要先把pip卸载了，换成3.6后再安装pip，不然后面pip下载安装的包在3.7的包下。 #卸载python3.7下的pip !python -m pip uninstall pip 2.删除python3.7的软连接，然后换成python3.6 1.先把这个路径下的文件删除“ /usr/local/bin/python 2.把python3.6的软连接设置为python !sudo update-alternatives --remove pyt

二、ZooKeeper集群分布式协调服务 - 集群分布式锁设施课后习题

X1996_ — Wed, 21 Jul 2021 15:27:55 +0800

1.ZooKeeper关键特性有哪些。* A .最终一致性 B .实时性 C .原子性 D .顺序一致性正确答案：A,B,C,D 2.ZooKeeper客户端常用命令使用包含哪些。* A .调用ZooKeeper客户端，执行命令：zkCli.sh –server 172.16.0.1:24002 B .创建节点：zkCli.sh –server 172.16.0.1:24002 C .列出节点子节点：ls /node D .创建节点数据: create /node 正确答案：A,B,C,D 3.Str

一、大数据行业与技术趋势课后习题

X1996_ — Mon, 19 Jul 2021 23:25:01 +0800

1.大数据不能做什么。* A .不能替代管理的决策力 B .不能替代有效的商业模式 C .不能无目的的发现知识 D .不能替代专家的作用正确答案：A,B,C,D 2.大数据可以应用于哪些领域。* A .零售 B .金融 C .城市 D .医疗正确答案：A,B,C,D 3.FusionInsight SparkSQL具有以下哪些特性。* A .SQL兼容性 B .数据更新和删除 C .稳定和高性能的大规模Spark D .高可靠性正确答案：A,B,C 4.Intel Hadoop利用SSD、CPU

TypeError: array() takes 1 positional argument but 2 were given

X1996_ — Fri, 02 Jul 2021 16:00:07 +0800

np.array(image,np.float32)语句出现TypeError: array() takes 1 positional argument but 2 were given错误时：把np.array(image,np.float32)改成： np.asarray(image).astype('float32') 基础不好，我也不知道为什么，以前能跑的代码现在不能跑了，改了一天才改好，记录一下。 ...

7 元组

X1996_ — Mon, 04 Jan 2021 21:34:21 +0800

元组里定义的数据不能修改，但是元组里的字典可以修改，元组里的函数只有index，count，len

6 列表操作

X1996_ — Mon, 04 Jan 2021 21:18:37 +0800

** 查找** 通过下标直接查找 2. 通过函数查找 # 直接查找位置，找不到报错 index() # 统计出现次数 count() # 访问列表长度 len() 3. 判断某个数据是否存在列表中用 in ，存在返回true，否则false 增加 append() 2. extend() 这个方法跟append方法有点不同，当添加为一个序列时，这个方法会把序列拆开逐一添加 3. 插入 inser() 在指定位置添加元素 3. 删除 del 删除整个列表或者删除某个列表元素 2. pop() 如果不

5 字符串操作

X1996_ — Mon, 04 Jan 2021 16:01:36 +0800

字符串字符串的定义：字符串可以用单引号，双引号，三引号来定义，三引号定义时可以直接换行切片里面的参数取值正负都可以，步长为正数的时候是从左往右取，为负数时是从右往左取。（最后一个数的位置是-1）步长的方向与开始位置到结束位置的方向要一致，不然会报错常用操作查找 find()# 从左向右 rfind（）#从右向左 index()#从左向右 rindex()#从右向左 count(); find()返回下标或-1 index()返回下标或报异常修改 replace()#替换 split()#

4 运算符、随机数生成、三目运算符

X1996_ — Thu, 31 Dec 2020 13:50:55 +0800

运算符的分类 not为非，取反