路人的博客

round()是python自带的一个函数，用于数字的四舍五入。

train()和model.eval()的区别主要在于Batch Normalization和Dropout两层。

Python 字典 get() 函数返回指定键的值。

注：本文只是本人的通俗理解，有些专业概念表达不是很清楚，但我相信你读完可以理解该函数并会使用。 expand_dims(a, axis)中，a为numpy数组，axis为需添加维度的轴，a.shape将在该轴显示为1，通过索引调用a中元素时，该轴对应的索引一直为0。废话少说，实操为证： 本人使用jupyter notebook软件编程 1.一维数组：即向量 如上图所示，axis=0对应的shape为6，...

np_utils.to_categoricalnp_utils.to_categorical作用：to_categorical()用于分类，将标签转为one-hot编码。np_utils.to_categorical参数：np_utils.to_categorical(y, num_classes)参数:y:向量（数据的label），函数作用后，返回对应矩阵形式(从0到num_classes的整数)。若num_classes=3，则y应为[0,1,2]num_classes:种类

utils.resize_image和cv2.resize()的探究文章目录utils.resize_image和cv2.resize()的探究起因先说结论：问题：测试代码结果出现错误的结果正确的：resize_image源码起因对于utils.resize_image和cv2.resize()这两个函数的探究是源于在学习Alex net过程中，代码运行的通，读了一遍，因为没用过所以测试了部分API，结果出现了意料之外的bug，当然，事后就大彻大悟了。对于图像的宽高放缩（数据预处理）的测试。先说结论

最近在研究学习TensorFlow，在做识别手写数字的demo时，遇到了tf.nn.conv2d这个方法，查阅了官网的API 发现讲得比较简略，还是没理解。google了一下，参考了网上一些朋友写得博客，结合自己的理解，差不多整明白了。 方法定义 tf.nn.conv2d (input, filter, strides, padd...

tf.nn.in_top_k()函数的使用方法函数声明def in_top_k(predictions: Any, targets: Any, k: Any, name: Any = None) -> Anytf.nn.in_top_k组要是用于计算预测的结果和实际结果的是否相等，返回一个bool类型的张量。tf.nn.in_top_k(prediction, target, K)：prediction就是表示你预

tensorflow函数用法一、tf.truncated_normal的用法tf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None) :shape表示生成张量的维度（a * a），mean是均值，stddev是标准差这个函数产生正态分布，均值和标准差自己设定。这是一个截断的产生正态分布的函数，生成的值服从具有指定平均值和标准偏差的正态分布，换句话说，产生的值如果与均值的差值大于两倍