- 博客(896)
- 收藏
- 关注
RSS订阅
原创 Windows安装tensorflow的GPU版本
首先本文讨论的是windows系统，显卡是英伟达（invida）如何安装。一共需要安装cuDNNCUDA三个东西。其中CUDA是显卡的驱动库，cuDNN是深度学习加速库。安装开始前，首先需要安装好conda，网上有很多教程，这里不再赘述。
2024-11-09 13:04:36
1107
原创 逻辑回归函数求偏导及Sigmoid函数求偏导
逻辑回归相关公式逻辑回归预测公式：z = w(T) x + bsigmoid激活函数：y' = a = ????(z) ????(x) = 1/(1-e^(-z))损失函数：L(a,y) = -( ylog(a) + (1-y) * log(1-a) )对最终函数（损失函数L）求偏导结果损失函数L 对 激活函数a 求偏导：da = dL/da = -(y/a) + (1-y)/(1-a)① sigmoid 对 预测结果z 求偏导：da/dz= a(1-a)②
2020-07-04 14:41:37
2827
3
原创 单神经元基于逻辑回归的训练函数
import numpy as npdef sigmoid(z): """ sigmoid激活函数 :param z: 一个数值或者一个numpy数组 :return: sigmoid计算后的值，范围在[0,1]以内 """ s = 1 / (1 + np.exp(-z)) return sdef initialize_with_zeros(dim): """ 初始化权重数组w和偏置/阈值b :param dim:
2020-06-13 10:47:56
305
1
原创 k8s启空容器用于排查问题
为了排查问题，可以启动一个空容器来临时保留 Pod，进而进入 Pod 内部进行调试。如果 Pod 一会儿就销毁了，可能是由于 Pod 配置、节点状态或容器运行时问题导致的。emptyDir 卷用于挂载一个临时目录，方便在调试过程中存储临时文件。此时想进容器排查，但是pod一会儿就销毁了，不利于排查。busybox 镜像用于启动一个简单的容器，
2025-02-11 14:52:53
411
原创 菜系-8寸戚风蛋糕
烤前抖几下震出气泡，烤箱130度预热，放最底层，上下火150度烤40分钟。1、 蛋白加入柠檬汁，后打发，分3次加入剩下的40g白糖。3、上面两步产物 + 底筋面粉，Z字形搅拌至无颗粒。1、 玉米油 + 牛奶，混匀至乳化。2、蛋黄 + 10g白砂糖 混匀。2、蛋黄加入1/3蛋白，拌匀。蛋黄与蛋清分离、蛋清冷冻。3、加入剩下蛋白，拌匀。
2025-01-20 16:45:34
183
2
原创 菜系-酱牛肉
牛腱子肉2斤：20克姜，20克蒜，5克八角，5克桂皮，130克生抽，130黄酒，40克冰糖，10克盐，5克味精。大火煮开，小火煮2小时，待自然冷却捞出。
2025-01-20 16:36:52
100
原创 菜系-饼干
一、食材：玉米油100g（也可黄油），白糖50g，鸡蛋1个、3合1混匀。4、烤箱预热，上下火180度，烤12分钟。1 玉米油、白糖、鸡蛋，3合1混匀。2 加入280g低筋面粉。
2025-01-20 16:33:09
114
原创 菜系-干锅鱼
一、食材：草鱼、泡姜泡椒、大蒜、葱、配菜（如魔芋）1 胡椒粉、少许红薯淀粉腌制（多了就成太安鱼了）3 起锅烧油，因鱼脂肪含量少，再放些猪油。二、清洗：草鱼用 盐 + 葱姜水 清洗。8 放入生抽、醋、花椒油、小米辣 调味。6 放入大蒜、豆瓣使香味融合。5 放入泡姜泡椒，炒出酸味。4 放入花椒、干辣椒炒香。7 放入鱼，轻轻翻锅。2 菜籽油炸鱼，备用。10 放入葱段，起锅。
2025-01-20 16:29:54
230
原创 分布式ID生成-雪花算法实现无状态
雪花算法这里不再赘述，其缺点是有状态（多副本隔离时，依赖手动配置。1、利用redis分布式锁获取，解决多副本冲突。
2025-01-06 17:01:15
658
原创 springboot适配mybatis+guassdb与Mysql兼容性问题处理
注解插件拦截，处理与mysql的兼容性问题。针对有语法差异的，利用mybatis的。
2025-01-06 16:07:51
408
原创 不使用ApplicationContext.getBean实现静态方法调用Service
【代码】不使用ApplicationContext.getBean实现静态方法调用Service。
2024-12-17 16:16:30
155
原创 sh -x -u的作用
x：这个选项会使得 shell 在执行脚本时打印出每个命令以及它们的参数，但在实际执行之前。这通常用于调试脚本，因为它可以帮助你看到脚本中每个命令的执行情况，以及它们的参数是如何被解释的。-u：这个选项会使得 shell 在遇到未定义的变量时产生一个错误并退出。这是一种好的编程实践，因为它可以帮助你发现脚本中可能存在的拼写错误或者未初始化的变量。在 Linux 系统中，sh 是 Bourne shell 的命令，用于执行 shell 脚本。
2024-12-13 15:34:34
206
原创 获取图像的风格矩阵
根据代码中的，位置数为。这个 Gram 矩阵显示了每个通道之间的相关性。(0, 1)位置的47.0表示通道 0 和通道 1 在所有位置上的特征值相关性。对角线上的元素（如）表示通道自身的相关性，即通道内的特征强度。。
2024-10-24 20:02:45
338
原创 腐蚀膨胀预处理
腐蚀：通过减少前景对象（例如白色字符）的边缘，腐蚀可以用来减小或消除细小的干扰线。如果干扰线较细，腐蚀可以有效地“消除”这些线条，同时保留较粗的字符。膨胀：在腐蚀之后，膨胀可以用来恢复字符的完整性，因为腐蚀可能会削弱字符的部分结构。膨胀能够扩展字符的边界，使其恢复到原来的粗细。可以根据实际情况调整腐蚀和膨胀的内核大小（如 kernel），以及迭代次数。测试不同的参数可以达到最佳效果。如果干扰线较粗，可能需要更大内核或增加腐蚀的次数。
2024-10-18 18:32:02
762
原创 残差网络实现验证码识别
大概在第17次epoch，达到一个比较优的状态。，来跳跃传递激活值，从而来避免梯度消失问题，从而可以加深网络的深度。从而学习到更多特征，提升准确率。这里共1.4w张，二八分割，2900张左右测试集，训练集1.1w张左右。图片大致张上面这样，分辨率50*200，6位，每位有36种可能性。这里采用6位合在一起做推理，评估一下准确率。x3表示3个identity_block。综合准确率在97.8%左右。可见6位都达到了99%
2024-10-10 19:24:55
445
原创 np.pad实现零填充
是 NumPy 中用于对数组进行填充的函数，它可以在数组的不同维度上添加指定数量的值。：指定填充常数的值。这里用 0 进行填充，因此 pad 大小的区域将填充为 0。：对第二个维度（高度）进行 pad 大小的填充，前后都填充 pad 个单位。：对第三个维度（宽度）进行 pad 大小的填充，前后都填充 pad 个单位。的 tuple（元组）来指示每个维度的填充值。：指定填充的模式，这里 ‘constant’ 表示用常数来填充。：对第一个维度（样本数量）不做填充。：对第四个维度（通道数）不做填充。
2024-09-24 12:59:49
447
原创 二、各种热型
长期高温发热，反复发烧退烧，最后大烧、大烧，突然降温，昏迷，一模冰凉，脉搏摸不着，但是仔细摸还有很细微的脉搏。发热，但喜欢寒凉，不是周围组织制造的热，而是器官、组织内部代谢升高产生的热。这个热必须散出去，如果闷在里头，会把内部组织破坏，故本能系统厌恶温暖，喜欢寒凉。也是周围组织制造的热，但是肌组织颤抖的较少，因为热已经差不多了，不需要再制造那么多。脉浮：周围血管浅出，血压提高，体液血液向周围组织充实，给其充足的体液、血压，加上肌肉组织颤抖制造体温，使其排汗。先是发冷，制造体温，此时身体不热，颤抖、恶寒。
2024-09-19 13:30:59
316
原创 一、七象与内源性外源性疾病
通常：发热恶寒是外源性疾病、无热（甚至体温与正常）恶寒是内源性疾病。能自主排异的为外源性疾病，无法自主排异的为内源性疾病，通常走自主调节。⑦物象：痰、大便、小便、汗，属于一切排泄物、检验的微量物质。③体象：发烧发冷、仰手掷足、身蜷而卧这是体象、肚子胀；①脉象：脉浮脉沉脉迟脉数、脉弦细脉洪大等都属于证；④色象：面色、舌质色等所有的颜色变化属于色象；⑥意象：安烦苦欲、喜凉喜热、易怒、忧虑、恐惧；②舌象：舌苔及颜色、舌质及颜色、舌象属于证；内源性疾病是内部自身的功能性障碍。⑤声象：声音的变化属于声象；
2024-09-19 12:44:05
297
原创 IPv6地址的表示方法
双冒号“::”，否则当计算机将压缩后的地址恢复成128位时，无法确定每个“::”代表0的个数。地址中包含的连续两个或多个均为0的组，可以用双冒号“需要注意的是，在一个IPv6地址中只能。，这是IPv6地址的首选格式。的形式，每组十六进制数间用。IPv6地址总长度为。
2024-09-12 14:41:33
400
原创 softmax多分类及多任务示例
多分类：可以识别出验证码（6位）中的1位：import loggingimport osimport h5pyimport matplotlib.pyplot as pltimport numpy as npfrom PIL import ImageIMG_HEIGHT = 50IMG_WIDTH = 200IMG_CHANNEL = 1LABELS = ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j', 'k', 'l', 'm',
2024-08-19 15:50:48
617
原创 python单例模式logger
这样可以避免创建多个日志记录器实例导致的重复日志输出问题。通过 hasattr 检查和 if 条件，我们实现了一个懒加载的单例模式，确保日志记录器实例只创建一次。的用法，用于检查某个对象是否具有指定的属性。在这个上下文中，它用来检查 get_logger 函数对象是否有 logger 属性。函数在整个应用程序中只创建一个日志记录器实例，即使。是一个 Python 内置函数。是我们要检查的属性名称。
2024-08-14 23:07:20
612
1
原创 tensorflow1.x基础语法
TensorFlow是一个以图(graphs)来表示计算的框架，图中的节点被称之为op (operation 的缩写)。一个 op 获得零或多个张量 (tensors) 执行计算，产生零或多个张量。张量是一个按类型划分的多维数组。Z[L]为前向传播的最后节点，Y为训练标签。一个基于softmax的训练例子。
2024-08-07 11:32:05
239
原创 使用numpy.eye创建one-hot编码
np.eye 是 NumPy 中的一个函数，用于创建一个二维数组，其中对角线上为1，其余元素为0。1、np.eye(6) 创建了一个 6x6 的单位矩阵（对角矩阵），其中对角线上的元素为 1，其余元素为 0。故独热编码函数：C为类别数，Y为原始二维矩阵如：[ [0 0 0 5 1 0 3 1 5 1 5 1 ] ]k：对角线的索引（可选，默认为0，即主对角线，k>0 为上对角线，k<0 为下对角线）。dtype：数组的数据类型（可选，默认为 float）。M：生成的矩阵的列数（可选，默认为 N）。
2024-08-06 17:35:04
370
原创 模型优化学习笔记—梯度校验
将dW、db等转化成一个大的向量p，然后通过前向传播dw、db，计算出一个近似梯度，再与反向传播计算出的梯度做对比。原理：自己算一遍所有梯度gradapprox，再与反向传播的grad对比。
2024-08-05 16:34:11
201
原创 模型优化学习笔记—Adam算法
假设动量梯度下降，可以在30个epoch能找到最小值，那么RMSprop能在20个epoch中找到，而Adam更厉害，因为它是动量梯度下降和RMSprop的结合体。： 虽然表面r没变，但是w=w-rdw，当dw变大，w变小，相当于r变大的效果。起到了与调整r的同样的作用：改变了梯度下降在某个方向的学习速度。超参数：r、k1、k2，一般k1和k2取0.9和0.999且很少改变。3、梯度下降（其中sqrt表示开平方，u取10^(-8) ），算出指数加权移动平均，即动量梯度下降。，修正动量梯度下降的值。
2024-08-05 14:29:11
440
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人