Starry-SkyJing的博客

ModuleNotFoundError: No module named ‘_bz2‘ModuleNotFoundError: No module named ‘_lzma’

【代码】非神经网络框架--纯手写dnn神经网络,实现mnist识别。

ubuntu18.04 安装GPU驱动(最新，亲测有效)

tensorflow版本与CUDA版本的对应表

django-restful框架写的服务,原生js开发前端页面,可实现:tcp/ip协议接收gps设备发送的数据;百度web端实现多边形电子围栏;批量上传围栏信息,地图上提取多边形区域经纬度;可以通过拉拽添加点的形式添加边的数量;可判断marker是否在多边形区域区域内;,超出区域后邮件报警;有详细的数据解析

一. 归一化1.归一化的目的把数据变为（0，1）之间的数 ,使得在梯度下降的过程中，不同维度的θ值（或w）参数可以在接近的调整幅度上。保持数据在迭代过程中的θ值幅度基本一致。2.常用的归一化类别最大值最小值归一化参数解释：Xj min: X 矩阵中第 j 列特征值的最小值，Xj max: X 矩阵中第 j 列特征值的最大值，Xij : X 矩阵中第 i 行第 j 列的数值，X*i,j : 归一化之后的 X 矩阵中第 i 行第 j列的数值。标准归一化包含了均值归一化和方差归一化

一. 为什么要使用梯度下降不管是监督还是非监督，每个模型都有自己的损失函数，损失函数中包含了若干模型参数，比如多元线性回归模型中的损失函数很复杂，无法得到模型参数的估计值及求解公式，因此需要一种大多数函数都适用的方法，即梯度下降法。二. 推导梯度下降公式1.已知我们的MSE损失函数公式如下：下面推导公式中θj是某个特征维度Xj的权值系数，也可以写成 Wj，在损失函数mse中，x和y是已知的θ是未知的，此时θ不是一个变量而是一堆变量，所以我们只能对含有一堆变量中的mse函数中的一个变量求导，即偏导。

一.MSE损失函数公式1.已知我们损失函数MSE的公式如下:MSE损失函数，从公式我们也可以看出来MSE名字的来历，mean squared error ，上式也叫做最小二乘。二.推导出θ的解析解形式明确目标:θ为何值使得损失函数最小。利用上述公式开始推导:2.推导函数的一阶导(或求梯度),此阶段我们的已知是X和y，未知是θ，所以和θ无关的部分求导忽略不记.补充相关知识点3.开始求一阶导4.假设我们找到了最优解,即梯度为0。则令该函数等于0,进而求得我们θ对应的解析解公式:

说明: tensorflow1.x关键步骤:初始化模型参数 控制计算流图K.get_session().run(tf.local_variables_initializer())with tf.control_dependencies([update_op]): value = tf.identity(value)例如:def mean_iou(y_true, y_pred): score, up_opt = tf.metrics.mean_iou(y_true, y_pred, '分类

直接apt-get 安装,会报依赖错误方法一：使用aptitude解决问题：sudo apt-get install aptitude sudo aptitude install python-dev 提示安装python2.7的相关依赖,选择n,其余选择y,执行完毕.方法二：1.使用pyenv，可以安装多版本的pythoncurl -L https://raw.githubusercontent.com/yyuu/pyenv-installer/master/bin/pyenv-inst

官网:pytorch最新版:pytorch2.5版本 >= 1.0.0 的命令v1.8.0Conda OSXconda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 -c pytorchConda Linux and Windows# CUDA 10.2conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolk

一. 介绍1.利用pycharm远程调试服务器代码,真香.2.pycharm 需专业版,非社区版.二.配置流程1.在本地创建一个空的目录用作本地项目夹.2.打开pycharm打开那个空的文件夹.3.Tools—>deployment—>configuration.4.添加远程服务interpreter File—>settings---->点击右上角的小图标验证完成...

一、查看支持CUDA的GPU列表 ：lspci | grep -I nvidia1. 没有lspci这个命令，需要安装 sudo yum install pciutils （注意要拥有root权限才可以安装）2. 验证系统是否是受支持的Linux版本：uname -m && cat /etc/redhat-release 验证链接二、验证系统gcc编译环境 gcc -v1. 没有gcc环境，安装 yum group install "Development Tools"2. 安

一、删除之前：sudo apt-get remove --purge nvidia*二、下载系统相应驱动：点此下载显卡信息：NVIDIA驱动：410.129（nvidia-smi ）内核信息：4.15.0-120-generic （uname -a）三、按流程下载四、禁用 nouveau (禁用掉 nouveau 后才能顺利安装 NVIDIA 显卡驱动 )sudo vim /etc/modprobe.d/blacklist.confblacklist nouveauoptions nou

安装依赖工具:sudo apt-get install -y gcc make build-essential libssl-dev zlib1g-dev libbz2-dev libreadline-dev libsqlite3-dev wget curl llvm libncurses5-dev libncursesw5-dev xz-utils tk-dev libffi-dev liblzma-dev下载python:方法一：wget https://www.python.org/ftp/py

在ubuntu 16.04版本中，系统默认安装 python 2.7和3.5版本,日常3.5不能满足某些需求，故升级为3.6，为了避免出现太多的坑，我们只安装3.6。不对3.5做任何更改。配置软件仓库：ubuntu的正式仓库没有3.6，我们通过第三方仓库：sudo add-apt-repository ppa:deadsnakes/ppasudo apt updatesudo apt install python3.6安装成功后就ok，不要做任何更改，避免入坑，我给大家给些样例：http

首先感谢：Miopas 和 whatbeg两位大佬，否则花费时间更长。接下来步入正轨：一、安装驱动机器相关信息系统版本：centos 7.8 64位（ cat /etc/redhat-release）显卡信息：NVIDIA驱动：440.64（nvidia-smi ）内核版本： 3.10.0-1127.el7.x86_64 （uname -r）官网下载相应驱动：由于NVIDIA驱动...

centos7 安装python3.6.9安装依赖环境安装zlib-dev sudo yum install zlib* (安装原因:报错:zipimport.ZipImportError)安装gcc sudo yum install gcc (安装原因: configure: error: no acceptable C compiler found in $PATH)...

Tensorflow同时加载使用多个模型在Tensorflow中，所有操作对象都包装到相应的Session中的，所以想要使用不同的模型就需要将这些模型加载到不同的Session中并在使用的时候申明是哪个Session，从而避免由于Session和想使用的模型不匹配导致的错误。而使用多个graph，就需要为每个graph使用不同的Session，但是每个graph也可以在多个Session中使用，...


pycharm安装pyinstaller1. 更改镜像源 ，如下图：2. 安装pyinstaller（注意是小写的）我的目录结构注意：chromedriver的存放位置是和test.py同级代码中要用相对路径注意chromedriver和chrome 的版本必须要保持一致打包，用的命令是 pyinstaller -D -i test.ico test.py -F：打包 Py...