原创 Linux 監控命令 free

簡介 free指令會顯示內存的使用情況,包括實體內存,虛擬的交換文件內存,共享內存區段,以及系統核心使用的緩衝區等。 語法 free [-bkmotV][-s <間隔秒數>] 參數說明: -b  以Byte爲單位顯示內存使用情況。

原创 Linux 監控命令之 vmstat

安裝 vmstat是在sysstat包裏的,安裝時執行命令yum install -y sysstat即可。 參數說明 vmstat常見命令格式如下: vmstat [-a] [-n] [-S unit] [delay [ count]

原创 Flask 第三方組件之 login

在瞭解使用Flask來實現用戶認證之前,我們首先要明白用戶認證的原理。假設現在我們要自己去實現用戶認證,需要做哪些事情呢? 首先,用戶要能夠輸入用戶名和密碼,所以需要網頁和表單,用以實現用戶輸入和提交的過程。 用戶提交了用戶名和密碼,我們

原创 Linux 監控命令 iostat

命令詳解 Linux系統中的iostat是I/O statistics(輸入/輸出統計)的縮寫,iostat工具將對系統的磁盤操作活動進行監視。它的特點是彙報磁盤活動統計情況,同時也會彙報出CPU使用情況。同vmstat一樣,iostat

原创 深度學習之卷積神經網絡(Convolutional Neural Networks, CNN)(三)

卷積神經網絡典型CNN LeNet:最早用於數字識別的CNN AlexNet:2012年ILSVRC比賽冠軍,遠超第二名的CNN,比LeNet更深,用多層小卷積疊加來替換單個的大卷積 ZF Net:2013ILSVRC冠軍 GoogleN

原创 深度學習之數據增強方案和TensorFlow操作

 數據增強的方法介紹 增加訓練數據, 則能夠提升算法的準確率, 因爲這樣可以避免過擬合, 而避免了過擬合你就可以增大你的網絡結構了。 當訓練數據有限的時候, 可以通過一些變換來從已有的訓練數據集中生成一些新的數據, 來擴大訓練數據。 數據

原创 神經網絡之 BP 算法

神經網絡的一種求解W的算法,分爲信號“正向傳播(FP)”求損失,“反向傳播(BP)”回傳誤差;根據誤差值修改每層的權重,繼續迭代 BP算法也叫做δ算法。以三層的感知器爲例(假定現在隱層和輸出層均存在相同類型的激活函數) 輸入層誤差:

原创 Flask 上下文源碼解析

簡單來說,上下文包括request_ctx(封裝了request和session),app_request(封裝了app和g),兩個ctx都儲存在一個叫做Local的數據結構中,這個結構的作用就是會自動根據不同的線程id返回對應的數據,

原创 深度學習之卷積神經網絡(Convolutional Neural Networks, CNN)

前面, 我們介紹了DNN及其參數求解的方法(神經網絡之 BP 算法),我們知道了DNN仍然存在很多的問題,其中最主要的就是BP求解可能造成的梯度消失和梯度爆炸的問題.那麼,人們又是怎麼解決這個問題的呢?本節的卷積神經網絡(Convolut

原创 深度學習之 RBF神經網絡

RBF神經網絡通常只有三層,即輸入層、中間層和輸出層。其中中間層主要計算輸入x和樣本矢量c(記憶樣本)之間的歐式距離的Radial Basis Function (RBF)的值,輸出層對其做一個線性的組合。 徑向基函數: RBF神經網絡

原创 深度學習之概述

深度學習的應用場景 1、圖像應用:     1.1 大規模(大數據量)圖片識別(聚類/分類),如人臉識別,車牌識別,OCR等             人臉識別:① faceID ② faceNet     1.2 以圖搜圖,圖像分割  

原创 Python內存管理以及垃圾回收機制

垃圾回收:用通俗的語言解釋內存管理和垃圾回收的過程 大管家refchain 在Python的C源碼中有一個名爲refchain的環狀雙向鏈表,這個鏈表比較牛逼了,因爲Python程序中一旦創建對象都會把這個對象添加到refchain這個鏈

原创 TensorFlow 分佈式

一、簡介 使用單臺機器或者單個GPU/CPU來進行模型訓練,訓練速度會受資源的影響,因爲畢竟單個的設備的計算能力和存儲能力具有一定的上限的,針對這個問題,TensorFlow支持分佈式模型運算,支持多機器、多GPU、多CPU各種模型的組合

原创 TensorFlow 常見API

數據類型轉換相關API Tensor Shape獲取以及設置相關API Tensor合併、分割相關API Error相關類API 常量類型的Tensor對象相關API 序列和隨機Tensor對象相關API Session相關A

原创 TensorFlow 實例一:線性迴歸模型

代碼  # -- encoding:utf-8 -- """ Create by ibf on 2018/5/6 """ import numpy as np import tensorflow as tf # 1. 構造一個數據