ScorpC的博客

virtualenv为应用提供了隔离的Python运行环境，解决了不同应用间多版本的冲突问题。在开发Python应用程序的时候，系统安装的Python3只有一个版本：3.4。所有第三方的包都会被pip安装到Python3的site-packages目录下。如果我们要同时开发多个应用程序，那这些应用程序都会共用一个Python，就是安装在系统的Python 3。如果应用A需要jinj

新手刚入门可能遇到的问题：Import Error：No module named tensorflow正确配置 Project 的 Interpreter 即可；步骤：1.找到Tensorflow下的python interpreter：   source activate tensorflow  -- 激活tenserflow  which python

转载文章原创作者及出处：优快云：卫庆的博客一句话：当前所用tensorflow版本较低原文：Traceback (most recent call last): File “fully_connected_feed.py”, line 279, in tf.app.run(main=main, argv=[sys.argv[0]] + un

Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX AVX2能运行，不影响去掉该警告方法：import osos.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'此问题解释及解决方法：https://stackoverf

参考：Github：Microsoft/MMdnn         微软亚洲研究院AI头条MMdnn 是一套帮助用户在不同深度学习框架之间进行互操作的工具。 例如。 模型转换和可视化。 在Caffe，Keras，MXNet，Tensorflow，CNTK，PyTorch Onnx和CoreML之间转换模型。用于转换，可视化和诊断深度神经网络模型的全面的跨框架解决方案。 MMdnn中的“MM”代表模...

参考：简书-刘敬：https://www.jianshu.com/p/0837b7c6ce10，感谢一. 功能不同Scikit-learn(sklearn)的定位是通用机器学习库TensorFlow(tf)的定位主要是深度学习库。一个显而易见的不同：tf并未提供sklearn那种强大的特征工程，如维度压缩、特征选择等。究其根本，我认为是因为机器学习模型的两种不同的处理数据的方式：...