tianyunzqs的专栏

在安装完tensorflow CPU版本后，经常看到如下的警告，该警告虽说可以通过一些python语句来忽略(忽略方法)，但总有点眼不见为净的感觉。Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 FMA该警告本质上是说由于机器的CPU支持AVX2的优化，但是安装的tensorflow包没有利用该优化。另一种解决该警告的方式是自己手动编译tensorflow安装包。自己手动

之前写了一篇tensorflow/serving部署tensorflow模型的文章，记录了详细的操作步骤与常见的错误及解决方案，具体见：TensorFlow Serving模型转换与部署本文主要记录tensorflow/serving部署keras模型过程中的一些重要步骤，以便后续查阅。我们在keras中保存模型通常用model.save或者model.save_weights函数。其中，model.save函数保存的模型往往比的是模型的结构与权重，而model.save_weights函数保存的仅仅

笔者利用keras训练模型时，当程序运行到保存模型model.save('model.h5')的时候，报如下错误TypeError: can't pickle SwigPyObject objects根据错误提示，可以看到在对模型进行序列化保存的时候，出现了不支持序列化的对象，也就是SwigPyObject对象。然而模型都可以跑通，但是为什么会在保存模型的时候报这样的错误呢？建模过程中也没有引入其他的算子啊，都是模型支持的操作，目前还未搞清楚，但是还是可以通过一种迂回的方法来解决该问题的。既然直接

​​<>St=δ(WSt−1+UXt)Ot=δ(VSt)S_{t} = \delta(WS_{t-1} + UX_{t}) \\O_{t} = \delta(VS_{t})St​=δ(WSt−1​+UXt​)Ot​=δ(VSt​)

本文引用地址：http://blog.sciencenet.cn/blog-830496-679604.html  此文来自科学网彭勇博客，转载请注明出处。 有人认为DL是人工智能的一场革命，貌似很NB。要好好学学。0    第一人（提出者）    好像是由加拿大多伦多大学计算机系(Department of Computer Science

均方误差(Mean Square Error, MSE)损失函数：对求偏导（对求导类似）：交叉熵损失函数： 对求偏导（对求导类似）：ps：以上公式中，激活函数取sigmod激活函数参数更新过程：对比公式(2)和(4)可知：MSE损失函数在参数更新的过程会依赖激活函数的偏导数，当激...