菜鸟很菜的专栏

这里写自定义目录标题区别转换............ 区别 from keras.preprocessing import image img = image.load_img(img_path) img = image.img_to_array(img_path) # R,G,B – import cv2 as cv img_cv = cv.imread(img_path) #b,g,r –...

本篇文章主要用来讲解tensorflow的一些重要的特点，同时最后会以最经典的mnist数据集来进行实践和代码讲解，里面除了训练模型，还将包括保存模型和加载模型。 一、要点 1、tf是一种符号式语言。 程序的符号（或称算子）必须放在一个图中，这个图run的时候，符号才会执行。 2.架构： 3.tensorflow:tensor+flow组成，tensor就是指多维的数据 4.保

一、tensorflow的RNN使用： 1.使用LSTM lstm = rnn_cell.BasicLSTMCell(lstm_size)# Initial state of the LSTM memory.state = tf.zeros([batch_size, lstm.state_size])probabilities = []loss = 0.0for current_batch

原文：《How to Convert a Time Series to a Supervised Learning Problem in Python》 一、前言 像深度学习这样的机器学习方法可以用于时间序列预测。 在可以使用机器学习之前，时间序列预测问题必须重新构建成监督学习问题，从一个单纯的序列变成一对序列输入和输出。 在本教程中，您将了解如何将单变量和多变量时间序列预测问题转换为