原创 學習筆記-機器學習-搭建環境-2:Linux下Docker的安裝(並手動配置 direct-lvm 給 devicemapper)

目錄: 一、安裝Docker 二、CentOS/RHEL配置 direct-lvm 給 devicemapper 一、安裝Docker 參考:https://docs.docker.com/install/linux/docker-ce/

原创 學習筆記-機器學習-搭建環境-8:安裝Tensorflow(使用Anaconda)

搜索安裝包並選擇合適版本: # 搜索當前可用的安裝包版本 anaconda search -t conda tensorflow # 選擇合適版本,查詢安裝命令 anaconda show anaconda/tensorflow-gp

原创 學習筆記-Raspberry Pi Zero W-4:串口(UART)的配置和使用

4.1 開啓UART 據官方所言(https://www.raspberrypi.org/documentation/configuration/uart.md):樹莓派CPU內部有兩個串口,一個PL001 UART和一個Mini UAR

原创 備忘:Ubuntu忘記密碼

1. 重新啓動系統,按ESC鍵進入Boot Menu,選擇Advanced options for Ubuntu,按下[Enter]進入,選擇recovery mode,注意這時候不要按下回車鍵。 2. 按下[e]鍵進入命令編輯狀態,到

原创 學習筆記-Raspberry Pi Zero W-3:下載安裝mysql並使用navicat遠程控制

3.1 安裝mysql (1)查看是否安裝mysql $ dpkg -l|grep mysql (2)對樹莓派更新源文件 $ sudo apt-get update $ sudo apt-get upgrade (3)安裝mysql

原创 備忘:Tensorflow不同層設置不同學習速率

問題描述: 加載部分預訓練好的權重到自己的模型上,fine-tune網絡的時候,希望已經具有預訓練權重的部分學習速率小一些,隨機初始化的新添加的層學習速率大一些。 方法: 用 apply_gradients() 函數。 代碼: impo

原创 備忘:我常用的pandas操作

一: import pandas as pd pd.options.display.max_columns = 20 # 建立 dataset = pd.read_csv("file.txt", sep=",", header=N

原创 備忘:我常用的matplotlib.pyplot操作

一: import numpy as np from scipy.stats import beta import matplotlib.pyplot as plt from scipy import stats colors = [

原创 備忘: Tensorflow常用

創建placeholder: inputs = tf.placeholder(dtype='float', shape=[None, 224, 224, 3], name='inputs') 初始化參數(xavier方法): tf.s

原创 jupyter notebook 配置多anaconda/python內核

問題描述: 在anaconda創建了虛擬環境my_tensorflow,並且安裝了sklearn。 進入虛擬環境,可以成功導入sklearn: python >> import sklearn 但是,在 jupyter noteboo

原创 備忘:Tensorflow slim 多線程 tfrecords數據集 的讀取

記錄一下備忘: import tensorflow as tf import argparse from datasets import flowers from preprocessing import vgg_preprocess

原创 multi-class, multi-label, multi-task classfication

1. multi-class, multi-label, multi-task classfication區別   每個標籤有幾個可能取值   幾個標籤 2 >2 1 binary classification multi-class c

原创 備忘:tensorflow關於網絡權重

一:用xx.npz文件初始化網絡 使用tensorpack框架的時候,發現官方提供的訓練好的權重文件是xx.npz格式的,我想將其某些層的參數用在自己的網絡中。 import os import random import tenso

原创 備忘:Tensorflow計算模型需要訓練的參數數目

計算模型需要訓練的參數數目: def count_trainable_vars(): total_parameters = 0 for variable in tf.trainable_variables():

原创 備忘:nohup

nohup command > myout.file 2>&1 &   點贊 收藏 分享 文章舉報 觀生生不息 發佈了34 篇原創文章 · 獲贊 5 · 訪問量 1萬+