qq_40893093的博客

【CUDA】nvcc和nvidia-smi显示的版本不一致?总结：CUDA有两种API，一个是驱动API（Driver Version），依赖NVIDIA驱动，由nvidia-smi查看，另一个是运行API（Runtime Version）是软件运行所需要的，一般驱动API版本>=运行API版本即可。这个也说明了具体原因https://stackoverflow.com/questions/53422407/different-cuda-versions-shown-by-nvcc-and-n

知乎地址https://zhuanlan.zhihu.com/p/80226180

深度学习与机器学习的区别https://blog.youkuaiyun.com/weixin_42008209/article/details/82714728认识机器学习与深度学习的区别https://www.cnblogs.com/zhouwenfan-home/p/10328500.html

https://www.jianshu.com/p/25a7ffe7c770

https://zhuanlan.zhihu.com/p/65475948

主要教程参考https://blog.youkuaiyun.com/qq_30091945/article/details/82953070这里特别提醒大家，一定要去官网查看对应tensorflow版本、keras版本、cuda版本、cudn版本以及python版本，不要以为全都安装最新得就可以。本人血的教训啊！。。。这里po出对应版本得查看网址https://www.tensorflow.org/install/source_windows#install_visual_c_build_tools_2019

keras输出张量的方法有两种with tf.Session() as sess: print (sess.run(constant_tsr))with tf.Session():#也可以写为with tf.Session() as sess: print(constant_tsr.eval())#第二种方法输出错误 module 'tensorflow' has no attribute 'Session'原因tensorflow版本为2.0以上，移除了 tf.Session

1、isinstance/typeisinstance() 函数来判断一个对象是否是一个已知的类型，类似 type()。isinstance() 与 type() 区别：type() 不会认为子类是一种父类类型，不考虑继承关系。isinstance() 会认为子类是一种父类类型，考虑继承关系。如果要判断两个类型是否相同推荐使用 isinstance()isinstance，type都是针对单个数若是数组a=np.array([[1.0,2.0,3.0],[4.0,5.0,6.0]])pri

Keras框架下用.flow_from_directoryt自己构建数据集地址：https://www.cnblogs.com/hujinzhou/p/12368926.html

什么是数据不均衡问题这里简单说明一下，重点是操作和应用：1、数据不均衡问题2、常见的解决方法函数说明准备工作功能说明参数说明参数完整代码效果展示总结什么是数据不均衡问题详细说明,请参考：https://blog.youkuaiyun.com/Yaphat/article/details/60348946这里简单说明一下，重点是操作和应用：1、数据不均衡问题在大部分情况下，我们认为不同类别的数据是均匀分布的，很多算法也是基于这个假设，但是在真实的情况下，往往都不是如此的。例如，机器发送故障的情况是我们想要预测的

缩小图像（或称为下采样（subsampled）或降采样（downsampled））的主要目的有两个：1、使得图像符合显示区域的大小；2、生成对应图像的缩略图。放大图像（或称为上采样（upsampling）或图像插值（interpolating））的主要目的是放大原图像,从而可以显示在更高分辨率的显示设备上。对图像的缩放操作并不能带来更多关于该图像的信息, 因此图像的质量将不可避免地受到影响。然而，确实有一些缩放方法能够增加图像的信息，从而使得缩放后的图像质量超过原图质量的。下采样原理：对于一副图像I尺

Win10 环境下 pip 安装失败的问题“Could not install packages due to an EnvironmentError: [WinError 5] 拒绝访问。”软件环境Python 3.6.8 (很可能 Python2.7.x 也有类似问题)Win10问题描述复制代码C:\Users\peterpan\Desktop>pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ jinja2Lookin

机器学习中的正则化(Regularization)https://www.jianshu.com/p/569efedf6985神经网络的提升方法（2）——正则化https://blog.youkuaiyun.com/sinat_29819401/article/details/60885679正则化https://blog.youkuaiyun.com/u013905264/article/details/102792859正则化https://blog.youkuaiyun.com/sc2079/article/details

最近复习python基础知识，涉及到tuples和list的区别和用法特此记录（本笔记基于StackOverflow的回答）1.语法上的差别someTuple = (1,2)someList = [1,2]2. 数据size上的差别a = tuple(range(1000))b = list(range(1000))a.sizeof() # 8024b.sizeof() # 9088由于tuples的操作拥有更小的size，也就意味着tuples在操作时相比list更快，当数据足够大的时

**字典是另一种可变容器模型，且可存储任意类型对象。 字典的每个键值 key=>value 对用冒号 : 分割，每个键值对之间用逗号 , 分割，整个字典包括在花括号 {} 中 ,格式如下所示：**d = {key1 : value1, key2 : value2 }>>> dict = {'a': 1, 'b': 2, 'b': '3'}>>> dict['b']'3'>>> dict{'a': 1, 'b': '3'}删除字

BatchNormalization layer:通常在线性向非线性转变时使用,如下：model.add(Dense(100,input_dim=20))model.add(BatchNormalization())model.add(Activation('relu'))作用：能够保证权重的尺度不变，因为BatchNormalization在激活函数前对输入进行了标准化另一个流行的做法：在2D卷积与激活函数前，进行Normalization，如下：def Conv2DReluBat.