前言上月导师在组会上交我们用tensorflow写深度学习和卷积神经网络，并把其PPT的参考学习资料给了我们， 这是codelabs上的教程：《TensorFlow and deep learning,without a PhD》 当然需要安装python，教程推荐使用python3。好多专业词太难译了，查了下，大家有些都是不译的。 比如：dropout，learning ra
本篇主要介绍TF的分布式运行时的基本概念。为了对TF的分布式运行机制有一个大致的了解，我们先结合/tensorflow/core/protobuf中的文件给出对TF分布式集群的初步理解，然后介绍/tensorflow/core/distributed_runtime路径下的核心概念。TF分布式集群集群定义和理解在研读TF的分布式运行时代码之前，我们需要先看下TF分布式运行的基本架构。TF的集群（c
转载
2024-07-29 23:00:48
28阅读
本文的目的是提供代码示例，并解释使用python和TensorFlow建模时间序列数据的思路。本文展示了如何进行多步预测并在模型中使用多个特征。本文的简单版本是，使用过去48小时的数据和对未来1小时的预测(一步)，我获得了温度误差的平均绝对误差0.48(中值0.34)度。利用过去168小时的数据并提前24小时进行预测，平均绝对误差为摄氏温度1.69度(中值1.27)。所使用的特征是过去每小时的温度
转载
2023-11-16 20:09:23
166阅读
前言：本例使用的是一个天气时间序列数据集，由德国耶拿的马克思普朗克生物地球化学研究所的气象站记录，这个例子作为初学者必看的例子之一，在这个数据集中，每十分钟记录14个不同的量（比如风向、湿度等），其中包含多年的记录。最原始的数据可以追溯到2003年，我们利用此数据构建模型，输入最近的一些数据，比如几天的，可以预测出24h之后的气温。数据集的样子如下：话不多说，直接上代码 一、代码impo
转载
2024-04-14 14:20:07
285阅读
一、线性回归原理 根据数据建立回归模型，w1x1+w2x2+……+wnxn+b = y，通过真实值与预测值之间建立误差，使用梯度下降优化得到损失最小对应的权重和偏置。最终确定模型的权重和偏置参数。最后可以用这些参数进行预测。 二、实现方式 该部分采用python编程语言实现线性回归，用pycharm导入tensorflow环境，编写完成后，并执行代码，用anaconda prompt命窗口，用ac
转载
2024-03-07 13:30:16
266阅读
一、简介 上一篇中我们较为详细地铺垫了关于RNN及其变种LSTM的一些基本知识，也提到了LSTM在时间序列预测上优越的性能，本篇就将对如何利用tensorflow，在实际时间序列预测任务中搭建模型来完成任务，若你对RNN及LSTM不甚了解，请移步上一篇数据科学学习手札39; 二、数据说明及预处理2.1 数据说明 我们本文使用到的第一个数据来自R中自带的数据集AirPassengers
转载
2024-03-26 11:21:16
28阅读
加热炉钢坯出炉温度PCA-BP的预测模型研究_杨铮摘要 针对影响钢坯出炉温度因素之间存在高度非线性、数据冗余等特征。传统单一BP算法无法消除数据之间冗余和捕捉非线性规律，从而导致预测精度低的问题，鉴此，提出了一种基于主成分的BP神经网络（PCA-BPNN）预测模型。采用加热炉现场生产数据作为分析样本，首先对影响钢坯出炉温度的各因素进行主成分分析，消除各因素之间的冗余性，降低BP神经网络的输入维数，
一，问题分析该问题中计算部分的理解和确定理解一： 直接将温度值进行转换理解二： 将温度信息发布的声音或图像形式进行理解和转换理解三： 监控温度信息发布渠道，实时获取并转换温度值(1)分析问题在这里我们采取第一个理解来解题：直接将温度值进行转换(2)划分界限输入：带华氏或者摄氏标志的温度值处理：根据温度标志选择合适的温度转化算法输出：带华氏或者摄氏标志的温度值(3)设计算法根据华氏和摄氏温度定义，利
转载
2023-08-16 15:59:57
100阅读
（说明下，本篇的源码有点问题导致预测的温度有问题，请继续往后面的章节看，有原因和解决办法）一、前言最近人工智能、深度学习又火了，我感觉还是有必要研究一下。三年前浅学了一下原理没深入研究框架，三年后感觉各种框架都成熟了，现成的教程也丰富了，所以我继续边学边写。原教程链接：第一章：tensorflow安装与简介课程简介_哔哩哔哩_bilibili所以准备出个系列的教程，给不耐烦看视频或者只是想浅了解一
转载
2024-08-21 11:00:36
26阅读
数据概览与任务描述： 数据集是精简排序过的，我们唯一需要用到的属性就是[‘Lane 1 Flow (Veh/5 Minutes)’]。 任务就是用前12个连续时刻的状态数据[St0,St1,…,St11]预测第13个时刻的状态pSt12。数据集处理我就min-max归一化了一下，没特别处理。其中lags=12就是时间步，也就是time_step，所有数据都被我做成了三维的矩阵，与LSTM的输入输出
转载
2024-03-26 08:13:58
26阅读
该数据集包含14个不同的特征，例如气温，大气压力和湿度。 获取数据from __future__ import absolute_import, division, print_function, unicode_literals
try:
# %tensorflow_version only exists in Colab.
%tensorflow_version
转载
2024-02-26 06:32:18
68阅读
介绍本系列将介绍如何在阿里云容器服务上运行Kubeflow, 本文介绍如何使用TensorFlow Serving加载训练模型并且进行模型预测。TensorFlow Serving简介TensorFlow Serving是Google开源的一个灵活的、高性能的机器学习模型服务系统，能够简化并加速从模型到生产应用的过程。它除了原生支持TensorFlow模型，还可以扩展支持其他类型的机器学习模型。在
转载
2024-05-10 18:46:39
53阅读
# PyTorch 温度预测
## 介绍
温度预测是气象学中的一个重要问题。通过预测未来的温度变化，我们可以更好地理解气候模式，制定更准确的天气预报，以及做出更合理的决策。PyTorch作为一个强大的深度学习框架，可以帮助我们解决温度预测问题。
在本文中，我们将使用PyTorch来创建一个简单的温度预测模型。我们将使用一个包含历史温度数据的数据集，训练一个循环神经网络（RNN）模型，然后使用
原创
2023-11-17 08:51:03
103阅读
本文涉及到的是中国大学慕课《人工智能实践：Tensorflow笔记》第六讲第5-8节的内容，实现循环神经网络（Recurrent Neural Network，RNN）输入1个字母预测下一个字母和输入4个字母预测下一个字母。这几部分的实际意义并不大，但是可以帮助我们理解RNN的原理。单字母预测实现的思路很简单： （1）将abcde转换为独热码； （2）随机生成三个参数矩阵wxh，whh，why；
转载
2024-03-19 13:35:45
71阅读
在一个坐标系中有一些散点，大致图像如下从图中很明显的可以看出，这些散点近似的符合直线方程 y = w * x + b这时候如果再给定一个x，需要你求出对应的y值，那么这就是线性回归的预测问题 (*1)求解这些问题，首先我们需要知道这个直线方程的参数w、b所对应的值(*2)，然后就能轻而易举的计算出y的值了这里，我们把x看作是input(输入)，
转载
2024-05-13 15:38:40
84阅读
我们把训练模型建立以后，投入到生产环境的时候，问题来了，一张图片进行预测，tensorflow启动加载模型在进行需要跑好几秒钟，才能得出一个预测值。这在真实环境中是不允许的。因为太慢了，为了找出原因所在，开始了如下的探究和测试。调试确定问题以google-inception模型中的test.py为例，先在测试模型中记录两个时间，最后相互减就得出所用时间，确定在哪一个环节耗时严重。# coding=
转载
2024-04-23 21:05:50
32阅读
## 每日温度机器学习预测明日温度流程
为了教会你如何实现每日温度的机器学习预测，我将按照以下步骤进行说明。在每个步骤中，我会告诉你需要做什么，并提供相应的代码示例。
### 步骤1: 数据收集
在开始之前，我们需要收集历史温度数据作为训练集。你可以使用公开可用的气象数据集，或者通过气象API获取数据。确保你拥有足够的历史数据以便进行机器学习模型的训练。
### 步骤2: 数据预处理
在
原创
2023-09-10 11:18:33
146阅读
引言：最近，一直在看关于时间序列预测这一方面的东西。在这里总结一下：1.时间序列分析常用的模型有AR,MA,ARIMA,以及RNN和LSTM2.大多数预测模型都能做时间序列分析（主要是如何将已知问题转化为带有时间戳的序列问题）3.我们常说的预测我总结出来有两层含义：（1）目前我查资料遇到最多的“预测”：实际上就是做曲线拟合，根据一部分数据进行建模（拟合曲线），然后用另一部分数据对所建的模型进行测试
转载
2024-05-06 12:24:44
36阅读
今天使用 全连接网络 就是数学中断 y=kx+b模式常用参数 ：1导入模块import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import tensorflow as tf
from tensorflow.keras import layers
import tensorflow.keras
import
转载
2024-03-19 08:29:45
78阅读
TensorFlow 是一个采用数据流图（data flow graphs），用于数值计算的开源软件库。节点（Nodes）在图中表示数学操作，图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）。它灵活的架构让你可以在多种平台上展开计算，例如台式计算机中的一个或多个CPU（或GPU），服务器，移动设备等等。TensorFlow 最初由Google大脑小组（隶属于Goo
转载
2024-07-05 16:25:15
62阅读
