zcc_0015的专栏

1、执行原理：首先：对于sess.sun(fetch), 只有fetch里的图元素, 才会被执行, 不在fetch中的图节点是不会执行的；其次：sess.run()里面的执行顺序是按fetch列表中的元素，在计算图中的出现的先后顺序执行一次完后，最后统一输出，不会重复执行 即：fetch列表中的节点打乱时， 取出来的值依然是一次流程图计算出来的结果，不是按照fetch列表中出现的先后顺序执行。2、常见问题分析及解决： 当sess.run([a])一个元素，出...

利用hashlib的md5算法作为分桶基数，md5的字符串位数长度是固定的，这样很方便进行下一步的输出再分桶操作：import randomimport stringimport hashlibfrom operator import addfrom functools import reducefrom collections import defaultdictdef md5(key): return hashlib.md5(key.encode()).hexdigest(

TensorFlow从15年10月开源至今，可谓是发展迅猛，从v0.5到如今的v2.0.0-alpha，经历了无数个功能特性的升级，性能、可用性、易用性等都在稳步提升。相对来说，对于我们工业界，大家可能更关注分布式TensorFlow的发展，本文尝试梳理下分布式TensorFlow从问世到现在经历过的变迁。分布式TensorFlow运行时基本组件用户基于TensorFlow-API编写好代码提交运行，整体架构如下图所示。 Client 可以把它看成是TensorFlow前端，它支持多语.

初始化：在创建一个MonitoredSession时，会按顺序执行以下操作：调用[Hooks]列表中每一个Hook的begin()函数 通过scaffold.finalize()完成图graph的定义 创建会话 用Scaffold提供的初始化操作(op)来初始化模型 如果给定checkpoint_dir中存在checkpoint文件，则用checkpoint恢复变量 启动队列线程 调用hook.after_create_session()Run:当调用run()函数时，按顺序执...

背景： 现在有一个main模块，main模块引用了不同文件夹下的其他模块，如何在jupyter下快速调试。解决办法：1、将main，引用的其他模块，可以作为单独的cell，复制进去，然后从main入口，run all。2、将main模块在jupyter中重新生成对应的.ipynb文件，可以在jupyter里直接运行，将其他模块可以upload进jupyter里， ...

1、背景在初版模型，基于训练数据集，利用VocabularyProcessor构建了词汇表，存储文件为old_vocab.pickle。在以后的增量更新中如何把已经保存的上版词汇加载上，同时加入增量中的新词汇，最终形成一版新的词汇。而tf中的VocabularyProcessor没有提供增量更新的api。2、解决办法利用VocabularyProcessor已经提供的接口，vo...