zhuzuwei的博客

1. 用管理员身份打开cmd2.将当前目录切换到tensorboard.exe文件所在目录，例如我的在D:\Anaconda\Scripts下面3. 执行tensorboard --logdir=log文件夹的路径。即可获得打开tensorboard的本地网址，以：6006结尾

1. data.info()可以查看数据的基本status2. DataFrame.apply(func, axis=0, broadcast=False, raw=False, reduce=None, args=(), **kwds)参数：（1）func：应用于每个列/行的函数（2）axis: {0 or ‘index’, 1 or ‘columns’}, 默认是0。

X = tf.placeholder(tf.float32,(None,n_H0,n_W0,n_C0))Y = tf.placeholder(tf.float32,(None,n_y))tf.get_variable("W1", [4,4,3,8], initializer = tf.contrib.layers.xavier_initializer(seed = 0))Z1 =

1. tf.argmax()函数tf.argmax可以认为就是np.argmax。tensorflow使用numpy实现的这个API。 　  简单的说，tf.argmax就是返回最大的那个数值所在的下标。tf.argmax(array,axis)    当axis=1时返回每列最大值的下标，当axis=0时返回每行最大值的下班。2. tf.equal()函数tf.equal(A

先尝试建一个单层的神经网络，最终上传kaggle的评估准确率是91.8%.效果不佳，因为单词神经网络丢失了手写图片的二维结构。后续将尝试卷积神经网络以提升预测准确率。import pandas as pdimport numpy as npimport tensorflow as tf#1 加载数据集，把对输入和结果分开train = pd.read_csv('D

1.     注意：如果保存模型和加载模型在两个.py文件中，在Spyder的Ipython console中保存完模型后，v1是'Variable:0',v2是'Variable_1:0'，紧接着运行加载模型，此文件中的v1，v2就是'Variable_2:0'和'Variable_3:0'，加载会出错，需关掉Ipython console后，重新运行使得modelLoad.py中的v1和v2分

1. 先将42000条训练数据分为训练集（40000条）和开发集（2000条），使用训练集训练出一个卷积神经网络模型，使用开发集测试模型性能，准确率达到98%2. 将所有的训练数据作为训练集来训练该卷积神经网络模型，再预测28000条待测试的数据，上传后准确率达到0.979853.训练过程中，使用tf.train.Saver类保存模型参数，再在预测时加载模型import

继续Kaggle手写识别的改进使用Keras能简化代码和提升效率，Keras的序贯模型参考我的另一篇文章 Keras学习笔记四：序贯模型（Sequential）。一、 使用的模型是三个卷积层+2个全连接层二、使用np_utils.to_categorical()函数将标签进行one-hot编码。三、 在训练模型即运行fit()函数之前必须要先compile编译模型，否则会出错，原作

一. 获取数据import numpy as npimport pandas as pdimport jieba# 1. 读取数据,数据预处理comment_path = "G:\\myLearning\\pythonLearning201712\\carComments\\01\\myCleanedComments.CSV"comment_df = pd.read_csv(comme...