上一篇讲到了如何安装pycharm和anaconda，同时也讲了一下怎么debug，这篇主要讲解pycharm安装tensorflow和gpu版本的tensorflow。 Pycharm可以很轻易地装各种第三方库和深度学习框架。 在File->Setting->Project->Project Interpreter中，点击画红圈的地方“+”， &n
转载
2023-07-06 23:39:54
268阅读
使用前面两节已介绍的相关TensorFlow相关知识点，实现以下三个功能(变量更新)实现一个累加器，并且每一步均输出累加器的结果值。编写一段代码，实现动态的更新变量的维度数目实现一个求解阶乘的代码TensorFlow案例一TensorFlow控制依赖我们可以通过Variable和assign完成变量的定义和更新，但是如果在更新变量之前需要更新其它变量，那么会导致一个比较严重的问题：也就是需要多次调
转载
2024-06-17 13:40:28
34阅读
文章目录安装tensorflow运行代码 安装tensorflow先添加清华的镜像源 conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anac
公司后台查询数据时，如果选择的时间段过长，就会遇到"请求超时"的的问题。造成这一问题的原因大概有以下几点：1，Asp.net请求超时 2，Webservice请求超时 3，IIS请求超时 4，数据库连接超时 知道原因后,就可以解决问题了。Asp.net中关于超时的设置：在web.config 里<system.web>节点
# PyTorch调用TensorFlow
在深度学习领域，PyTorch和TensorFlow都是最为流行的深度学习框架之一。PyTorch是一个基于Torch的Python库，它提供了用于创建和训练神经网络的高级API和工具。而TensorFlow是由Google开发的一个开源机器学习框架，它提供了一个灵活的生态系统和丰富的工具，可以在不同的硬件上进行大规模的机器学习训练和推理。
虽然Py
原创
2024-01-20 05:23:46
75阅读
tensorflow2调用huggingface transformer预训练模型一点废话huggingface简介传送门pipline加载模型设定训练参数数据预处理训练模型结语 一点废话好久没有更新过内容了，开工以来就是在不停地配环境，如今调通模型后，对整个流程做一个简单的总结（水一篇）。现在的NLP行业几乎都逃不过fune-tuning预训练的bert或者transformer这一关，按照传
一、运行样例原始代码如下import numpy as np
from matplotlib import pyplot as plt
import os
import tensorflow as tf
from PIL import Image
from utils import label_map_util
from utils import visualization_utils as vi
作者 | 高开远，上海交通大学，自然语言处理研究方向最近在工作上处理的都是中文语料，也尝试了一些最近放出来的预训练模型（ERNIE，BERT-CHINESE，WWM-BERT-CHINESE），比对之后还是觉得百度的ERNIE效果会比较好，而且使用十分方便，所以今天就详细地记录一下。希望大家也都能在自己的项目上取得进展~1、A Glance at ERNIE
关于ERNIE模型本
目录一、基础理论1、单词感知器介绍 2、单词感知器学习规则前向传递（得到输出y） 反向传递（更新权重w）二、实现单层感知器1、初始参数设置 2、正向传播（得到输出y）3、 反向传播（更新权重参数）总代码一、基础理论1、单词感知器介绍 感知器：模拟生物神经网络的人工神经网络结构。w：权值，可以调节神经信号输入值的大小。b：偏置，相当于神经元内部自带的信号。&n
1. 测试通过的环境名称版本Windowswin10_64位IDEEclipse 2018-12Tensorflow1.6.0JDK1.8 （Eclipse 2018-12自带）2. JAVA版本的Tensorflow测试代码测试代码项目文件百度网盘下载传送门
import org.tensorflow.Graph;
import org.tensorflow.Session;
import or
转载
2023-06-12 22:35:57
413阅读
本篇介绍函数包括：
tf.conv2d
tf.nn.relu
tf.nn.max_pool
tf.nn.droupout
tf.nn.sigmoid_cross_entropy_with_logits
tf.truncated_normal
tf.constant
tf.placeholder
tf.nn.bias_add
tf.reduce_mean
tf.squared_d
转载
2024-02-22 00:49:25
37阅读
快速运行TensorFlow的6种方式TensorFlow（http://tensorflow.org）是一个深度学习计算引擎，自然是可以直接安装运行的，而且能得到最佳的性能。但是，考虑到机器学习需要安装大量的软件，之间必然会带来软件管理和版本兼容性问题，而且在集群中运行更为复杂，因此不推荐这种方式。在Linux上安装TensorFlow，https://www.tensorflow.o
转载
2024-05-27 19:30:35
36阅读
Keras 是一个用 Python 编写的高级神经网络 API，它能够以 TensorFlow, CNTK, 或者 Theano 作为后端运行。Keras 的开发重点是支持快速的实验。有时候我们在使用keras设计好模型后，需要在其他平台进行运行，这时候我们就需要将keras h5 model转换为TensorFlow pb model，因为keras只是一个Python的高级库，而TensorF
转载
2024-04-15 20:47:14
65阅读
AS WE ALL KNOW，学机器学习的一般都是从python+sklearn开始学，适用于数据量不大的场景（这里就别计较“不大”具体指标是啥了，哈哈）数据量大了，就需要用到其他技术了，如：spark, tensorflow，当然也有其他技术，此处略过一坨字... 先来看看如何让这3个集成起来吧（WINDOWS环境）：pycharm(python开发环境), pyspark.
转载
2024-02-12 15:04:46
78阅读
在安装好了TensorFlow后，就是使用TensorFlow了。 TensorFlow需要在python的IDE中使用，本人使用的是PyCharm，因为PyCharm的功能比较友好，缺少的包只需要点击一下就可以安装。因此演示在PyCharm中进行，但在其它的IDE中，操作过程应该也相似。
转载
2021-12-25 11:29:04
138阅读
使用tensorflow训练模型后，把模型的所有参数保存下来，后面，直接使用就好。首先，创建一个tf.train.Saver对象保存所有参数：Saver 对象的 save() 函数使用已保存的模型：Saver 对象的 restore() 函数tensorflow API:save(
sess,
save_path,
global_step=None,
latest_
转载
2023-10-20 10:42:04
137阅读
本文介绍在Anaconda环境中，下载并配置Python中机器学习、深度学习常用的新版tensorflow库的方法。 在之前的两篇文章基于Python TensorFlow Estimator的深度学习回归与分类代码——DNNRegressor（）与基于Python TensorFlow Keras的深度学习回归代码——keras.Sequential深度神经网络（）中，我们介绍了利用Pyt
转载
2024-04-02 15:45:41
90阅读
OpenCV DNN模块Deep Neural Network - DNN 是OpenCV中的深度神经网络模块，支持基于深度学习模块前馈网络运行、实现图像与视频场景中的图像分类对象检测图像分割其模型导入与加载的相关API支持以下深度学习框架• tensorflow - readNetFromTensorflow
• caffe - readNetFromCaffe
• pytorch - read
转载
2024-03-06 14:04:43
116阅读
目录一、Ubuntu18.04 LTS系统的安装1. 安装文件下载2. 制作U盘安装镜像文件3. 开始安装二、设置软件源的国内镜像1. 设置方法2.关于ubuntu镜像的小知识三、Nvidia显卡驱动的安装1. 首先查看显卡型号和推荐的显卡驱动2. 安装nvidia-390版本驱动3. 重启系统，可以查看安装是否成功四、CUDA9.0的安装1. CUDA版本选择2. 安装CUDA9.03. 设置
转载
2024-05-18 23:13:28
284阅读
Batch Normalization: 原理及细节为了标准化这些值，我们首先需要计算出批数据中的平均值，如果你仔细看这些代码，你会发现这不是对输入的批数据计算平均值，而是对任意一个特定层的在传入非线性函数之前的输出求平均值。然后将其通过非线性函数后传递给下一层作为输入。我们将平均值表示为\(\mu_B\)，是所有\(x_i\) 值得和然后除以\(x_i\) 的个数\(m\)。\[\mu_B \l
转载
2023-11-21 21:07:56
49阅读
