原创 python 實現複數計算器

運行結果展示 代碼如下 class Complex: def __init__(self, real, virtual): self.real = real self.virtual =

原创 深度學習 細聊深度學習中BP計算過程

BP: 已知 y=relu(∣x∣−x3)y=relu(|x| - x^3)y=relu(∣x∣−x3)、x=[2−2]x = \begin{bmatrix} 2\\ -2\end{bmatrix}x=[2−2​]、▽y=[−11

原创 深度學習 比較三種損失函數的使用(交叉熵、平方、絕對值)

注意:y∗y^*y∗代表的是標籤值僅僅有0、10、10、1兩個值,yyy是獲得的語義值(softmaxsoftmaxsoftmax後的邏輯值) 交叉熵: Loss1=−y∗∗logyLoss1 = - y^**log^yLoss1

原创 python 遞歸--給出n個節點計算可以組合成幾種二叉樹(附代碼)

問題:給出n個節點可以組合成多少種二叉樹? 當給出一個節點的時候: n = 1,僅僅有一個二叉樹 當給出兩個節點的時候:n = 2,可以組成兩個二叉樹 當給出三個節點的時候:n = 3, 可以組成5個二叉樹 方式一:使用卡

原创 TensorFlow 使用VAE模型進行手寫數學圖片的創建

如何使用VAE模型進行手寫數字圖片的創建 其實主要依賴於兩個發生器,一個是編碼,一個是解碼 實現步驟如下: 將數字手寫的圖片庫傳入到VAE中 經過編碼器(卷積神經網絡)得到一個語義值(包括手寫數字識別的特徵,這裏我們設置4個維

原创 python 使用多線程創建一個Buffer緩存器

這幾天學習人臉識別的時候,雖然運行的沒有問題,但我卻意識到了一個問題 在圖片進行傳輸的時候,GPU的利用率爲0 也就是說,圖片的傳輸速度和GPU的處理速度不能很好銜接 於是,我打算利用多線程開發一個buffer緩存 實現的思路如下

原创 TensorFlow 卷積到底是什麼?

卷積是對兩個實函數的一種數學運算。 例如: 我們用一個激光傳感器來追蹤一艘宇宙飛船的位置 激光傳感器給出了一個單獨的輸入x(t)x(t)x(t):表示飛船在時刻ttt的位置 這就意味值我們可以在任意的時刻從傳感器中讀出飛船的位置

原创 TensorFlow 使用tensorboard進行手寫數字識別準確率的圖像化顯示

手寫數字識別程序 本文基於上面這篇文章,將打印出的損失函數值和預測值進行圖像化的顯示 實現的步驟 在張量中定義一個彙總的張量 self.precise_summary = tf.summary.scalar('precise',

原创 python 探究is_dir函數及其使用案例(讀取人臉圖片)附整體代碼

定義:檢測指定的文件是否是一個目錄,如果是則返回TRUE、否則返回FALSE 用法: >>>type(info) <class 'zipfile.ZipInfo'> >>>info.is_dir() True 讀取人臉案例分

原创 TensorFlow with方法和tf.variable_scope聯合使用的原理

提示:如果您能安心的讀完下文,我相信您會對with用法又會有一個新的認識 實例代碼 with tf.variable_scope(get_name("abc")) as scope1: v2 = tf.get_variable

原创 python with拋出異常是什麼原理

今天做多GPU處理手寫數字識別的時候對with方法記得不是很清楚了 平常用的時候僅僅知道with相當於try…expect 拋出異常的作用 對於with來說,其底層的實現原理記憶的並不是很清晰 於是我自己做了一個小代碼進行測試,

原创 Tensorflow 擬合sinx、cosx以及square函數

導入需要的模塊 import numpy as np from matplotlib import pyplot as plt import tensorflow as tf 定義需要的參數類 class Config:

原创 深度學習 個人總結使用VAE模型可以實現的幾種功能

使用VAE模型的時候,我基於它的原理對VAE模型進行了細緻的分析(它都可以做什麼的思考) 總結如下:(以下功能到後期均會實現) VAE模型可以自動生成人臉(不存在的人臉) VAE模型可以將一張人臉很自然的轉換成另一張人臉 VA

原创 python 深度探究線程和線程鎖的概念

注:如果您能仔細的讀完本文後,您可能對多線程有更深刻的理解 相信大多數人對於多線程總是感到頭痛 於是今天我冒着頭痛的危險,詳細的分析了python中多線程在運行時候的流程 我們先上一個簡單的代碼(後面我們會用多線程來搞一個buf

原创 python 自動創建文件夾

import os # 導入系統模塊包 def make_dirs(path:str): """""" pos = path.rfind(os.sep) # 尋找分隔符 if pos < 0: # 如