小屋

tf.rint(x, name=None) # 取最接近的整数。tf.ceil(x, name=None) # 向上取整。tf.floor(x, name=None) # 向下取整。小数部分大于0.5（注：0.5...x 也是大于0.5的），则进位；小数部分恰好为0.5，取其最靠近的整数。与tf.round一样，四舍五入取偶。小数部分小于0.5，则舍去；

一，Image classification popeline一般来说想要使用纯编程的方式来让机器识别一张图片中的东西是非常困难的，常用的方法就是使用一些算子来获取图像中的很多的特征，然后使用分类算法如SVM等进行分类，这样的话需要识别率不高。目前比较流行的方法是用数据驱动的方法来识别图片中的物体。比如使用卷积神经网络的方式来识别，通过向网络输入若干同类型的图片来让模型最终能识别出该类图片。

一，简单的线性回归1.数据准备实际的数据大家可以通过pandas等package读入。此处的数据是自己造的。%matplotlib inlineimport numpy as npimport tensorflow as tfimport matplotlib.pyplot as pltplt.rcParams["figure.figsize"] = (14,8

按照参考链接按照TensorFlow1.15+python3.7的，但是并不能行。于是将python版本降到3.6，可行。TensorFlow与python的版本是存在匹配关系的，一般的TensorFlow版本越高需要对应高版本的python。一，在macOS上的conda环境下安装TensorFlow。再安装指定版本TensorFlow1.15。这种可能慢点，还是推荐上面指定版本的安装。粗暴学TensorFlow。或者直接安装cpu稳定版本。2，官网(快速入门)