- 博客(9)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 不支持AVX指令集的电脑安装tensorflow
Tensorflow从1.6开始从AVX编译二进制文件，所以如果你的CPU不支持AVX你需要从源码编译 下载旧版安装旧版（1.5或之前版本）：pip3 install tensorflow==<version> #version指定版本但是现在很多基于tensorflow的项目都是用新版本的tensorflow了。所以建议还是使用新版本的tensorflow. 以...
2019-05-17 17:19:04
3718
原创 ThingsBoard 开发环境搭建
什么是ThingsBoard？ThingsBoard是一个开源平台，用于收集和可视化物联网设备的数据。可以将来自任意数量设备的数据发送到云服务器，在云服务器中可以通过可自定义的仪表板查看或共享。安装ThingsBoardThingsBoard 有两种安装方式一种是直接通过安装包安装 ，再者是通过源码编译安装下面会介绍。直接通过安装包安装下载安装包wget https://...
2019-05-06 16:18:49
6241
1
原创 GAN 实例
数据读取部分代码data_provider.py# Copyright 2017 The TensorFlow Authors. All Rights Reserved.## Licensed under the Apache License, Version 2.0 (the "License");# you may not use this file except in com...
2019-01-11 16:05:21
810
原创 tensorflow estimator实例
```pythonfrom __future__ import print_functionfrom tensorflow.examples.tutorials.mnist import input_datamnist = input_data.read_data_sets("/home/ts/PycharmProjects/tf_tt/ts/tensorflow/pys/test1/...
2018-12-29 11:33:46
1129
原创 softmax和卷积神经网络训练Minist
https://www.cnblogs.com/zf-blog/p/6075286.html##代码#input-->conv--->activation--->pool---->fc--->logits--->softmaximport tensorflow as tfimport osimport csvimport argparsefr...
2018-12-12 14:08:14
279
原创 批量梯度下降BGD、随机梯度下降SGD、小批量随机梯度下降MSGD
问题提出假设有这样一个数据样本 （y=3x1+4x2y = 3x_1+4x_2） x1 x2 y 1 4 19 2 5 26 5 1 19 4 2 29x1和x2是样本值，y是预测目标，我们需要以一条直线来拟合上面的数据，待拟合函数如下： h(θ)=θ1x1+θ2x2h(\theta) = \theta_1x_1 + \theta_2x
2017-10-08 15:10:56
674
原创 AutoEncoder自动编码器
AutoEncoderAutoEncoder解决的是特征提取问题，在研究中发现，如果在原有的特征中加入自动学习得到的特征可以大大提高分类精确度。1 . 给定无标签数据，用非监督学习学习特征：如图，我们将input输入一个encoder编码器，就会得到一个code，再经过decoder，decoder就会输出一个信息，那么如果输出的信息和一开始输入的input很像，那我们可以认为这个code的靠谱的，
2017-10-07 14:29:26
764
原创 MNIST和softmax回归模型
MNIST数据集MNIST是一个入门级的计算机视觉数据集。它包含各种手写数字图片，在TensorFlow的mnist这个demo就是是通过Softmax Regression模型来训练预测mnist数据集。TensorFlow的Tutorial里提供了一份python源代码用于自动下载和安装MNIST数据集。 from tensorflow.contrib.learn.python.learn.
2017-10-06 14:05:20
610
原创 TensorFlow 实现一元线性回归模型
**TensorFlow 实现一元线性回归模型一元线性回归即是将N个随机样本点拟合到一条直线上：样本点： x y 3.3 1.7 4.4 2.7 5.5 2.1 6.71 3.2 6.93 1.69 4.168 1.573 9.779 3.366 6.182 2.596 … …样本点可表示为：(X,Y)N=[(x1,y1
2017-10-06 12:34:43
692
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人