原创 Ubuntu 16.04 安裝 QQ 詳細過程

1 先升級一下ubuntu系統中的安裝源         在終端輸入命令:sudo apt-get update 2 更新完成後,我們接着來安裝wine         沒錯,TX不再研發linux內核下面的QQ了,so,只能用win

原创 如何讓TensorFlow模型運行提速36.8%

在訓練TensorFlow模型的時候,我們傳統的做法是在每個Epoch將數據通過feed_dict導入到session中,即不斷地從Python到C++之間來回切換,這種做法十分不高效。而且,訓練操作與導入數據操作都是屬於同一個主線程,它

原创 git本地提交github庫問題

git push -u   originmaster //會提示輸入用戶名和密碼  輸入完之後會出現以下錯誤:  ! [rejected]       master-> master (fetch first) error: 無法推送一些

原创 github常見操作和常見錯誤!錯誤提示:fatal: remote origin already exists.

 如果輸入$ Git remote add origin [email protected]:djqiang(github帳號名)/gitdemo(項目名).git      提示出錯信息:fatal: remote origin a

原创 TensorFlow 1.0 新增功能和部分改善

TensorFlow 1.0 新增功能及改善 XLA(實驗版):初始版本的XLA,針對TensorFlow圖(graph)的專用編譯器,面向CPU和GPU。 TensorFlow Debugger(tfdbg):命令行界面和API。 添

原创 機器翻譯基礎

端到端的神經網絡機器翻譯(End-to-End Neural Machine Translation)是近幾年興起的一種全新的機器翻譯方法。本文首先將簡要介紹傳統的統計機器翻譯方法以及神經網絡在機器翻譯中的應用,然後介紹NMT中基本的

原创 Word2vec 原理公式推到和代碼實現

本文摘錄整編了一些理論介紹,推導了word2vec中的數學原理;並考察了一些常見的word2vec實現,評測其準確率等性能,最後分析了word2vec原版C代碼;針對沒有好用的Java實現的現狀,移植了原版C程序到Java。時間和水平有限

原创 Python 實現各種排序算法

本文用Python實現了插入排序、希爾排序、冒泡排序、快速排序、直接選擇排序、堆排序、歸併排序。 1、插入排序 描述 插入排序的基本操作就是將一個數據插入到已經排好序的有序數據中,從而得到一個新的、個數加一的有序數據,算法適用於少量數據的

原创 Python向excel中寫入數據

最近做了一項工作需要把處理的數據寫入到Excel表格中進行保存,所以在此就簡單介紹使用Python如何把數據保存到excel表格中。 數據導入之前需要安裝 xlwt依賴包,安裝的方法就很簡單,直接 pip install xlwt ,如果

原创 TensorFlow 筆記(三):多層 LSTM代碼詳細介紹

之前講過了tensorflow中CNN的示例代碼,現在我們來看RNN的代碼。不過好像官方只給了LSTM的代碼。那麼我們就來看LSTM吧。 坦白說,這份寫LSTM的代碼有點難,倒不是說LSTM的原理有多難,而是這份代碼中使用了大量tf提

原创 TensorFlow 中三種啓動圖 用法

介紹 TensorFlow 中啓動圖:  tf.Session(),tf.InteractivesSession(),tf.train.Supervisor().managed_session()  用法的區別: (1)tf.Sessi

原创 TensorFlow 中 tf.app.flags.FLAGS 的用法介紹

下面介紹 tf.app.flags.FLAGS 的使用,主要是在用命令行執行程序時,需要傳些參數,代碼如下: 新建一個名爲:app_flags.py 的文件。 #coding:utf-8 # 學習使用 tf.app.flags 使用,全

原创 那些年在華電的光輝歲月

時光荏苒,歲月匆匆,在華北電力大學的學習生涯即將結束。回首過去的兩年半。。。。

原创 TensorFlow 中 dropout 的使用介紹

dropout 主要作用就是防止過擬合。 dropout 一般都是用在全連接中,在卷積部分不會用到 dropout ,輸出層也不會用到,一般用在輸入層與輸出層之間。 在 tensorflow 中有兩種形式: (1)tf.nn.dropou

原创 TensorFlow筆記(二):多層CNN代碼詳細介紹

在之前的TensorFlow筆記(一):流程,概念和簡單代碼註釋 文章中,已經大概解釋了tensorflow的大概運行流程,並且提供了一個mnist數據集分類器的簡單實現。當然,因爲結構簡單,最後的準確率在91%左右。似乎已經不低了?