代码编织梦想

Anaconda Navigator下TensorFlow的安装与配置(在网页下载TensorFlow再配置)-爱代码爱编程

1.安装好Anaconda Navigator 可以参考该教程 可通过conda --version来查看是否安装成功 2.打开Anaconda Navigator主页 点击CMD下的Launch打开命令行 使用python -V查看当前python版本 创建一个名为tensorbase的虚拟环境,使用的是python3.7版本 conda c

如何启动TensorBoard-爱代码爱编程

如何启动TensorBoard可视化初步——计算图 解决方案: 解决方案: TensorBoard不需要额外的安装,我们在安装Tensorflow的时候就已经自动安装完成了。 import tensorflow.compat.v1 as tf tf.disable_eager_execution() tf.reset_default_

自动驾驶最全基础知识、课程、论文、数据集、开源软件等资源整理分享-爱代码爱编程

    自动驾驶汽车(Autonomous vehicles)又称无人驾驶汽车、电脑驾驶汽车、或轮式移动机器人,是一种通过电脑系统实现无人驾驶的智能汽车。在20世纪已有数十年的历史,21世纪初呈现出接近实用化的趋势。自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作,让电脑可以在没有任何人类主动的操作下,自动安全地操作机动车辆。

程序员必读-统计思考-程序员必备概率和统计知识-爱代码爱编程

本书介绍     《统计思考:程序员必备概率和统计知识》是一种讲解统计课程的教科书。它强调使用统计数据来探索大型数据集。它采用计算方法,有几个优点: 学生编写程序是发展和测试他们理解的一种方式。例如,编写函数来计算最小二乘拟合、残差和决定系数。编写和测试这段代码需要他们理解概念,并隐含地纠正误解。 学生通过实验来测试统计结果。例如,他们通过从几个

Tensorflow 变量赋值案例-爱代码爱编程

#通过变量赋值输出1-10 import tensorflow.compat.v1 as tf tf.disable_eager_execution() value = tf.Variable(0,name='value') #定义一个常量 one = tf.constant(1) #实现value+1 new_value = tf.add(value,

take skip 划分训练集-爱代码爱编程

文章目录 加载npz在文件绘制精度和损失保存训练过程把compile和fit放在一个函数里断点训练模型使用take和skip划分验证集总结 加载npz在文件绘制精度和损失 def plot_cifar_loss(npz_path): """ read flower.npz and plot acc val_acc lo

Tensorflow基础 Hello World!-爱代码爱编程

Tensorflow输出Hello World! Tensorflow 1.X:Tensorflow 2 :Tensorflow 2 中执行Tensorflow1.X代码 : Tensorflow 1.X: import tensorflow as tf #创建一个常值运算,将作为一个节点加入默认计算图中 hello=tf.constant(

深度学习-循环神经网络(RNN)-爱代码爱编程

作者: 明天依旧可好QQ交流群: 807041986 注:关于深度学习的相关问题,若本文未涉及可在下方留言告诉我,我会在文章中进行补充的。 原文链接:https://mtyjkh.blog.csdn.net/article/details/111088248深度学习系列:深度学习(TensorFlow 2)简单入门代码|数据: 微信公众号(明天依旧可好

深度学习推荐系统学习笔记2——deep&cross-爱代码爱编程

过了一周,又一次聊天10分钟,没有面试机会,就被相亲姑娘pass了,哎,人生啊。不知道还是不是化悲痛为力量了,只能练习一个算法,再缓解缓解忧愁? 前言 日常热身,每周几次10几分钟低难度力量训练,外加几次低难度HIIT有氧,保持充足的活力。岁数大了,不知道这些是不是在欺骗自己呢?总之,体重没减,力量略微增加,生活依旧,没有任何波澜起伏。 一、准备

python progressbar 在进度条中添加自己动态的信息(防止花眼)-爱代码爱编程

python progressbar 在进度条中添加自己动态的信息(防止花眼) import progressbar import time widgets = ['进度:', progressbar.Percentage(), ' ', progressbar.Bar('=

基于TensorRT C++ API 实现 tensorflow examples 中 speech_commands-爱代码爱编程

语音关键词分类  speech_commands:https://github.com/tensorflow/docs/blob/master/site/en/r1/tutorials/sequences/audio_recognition.md#running_the_model_in_an_android_app 实现过程  1. 查看模

Anaconad+Ubuntu16.4下tensorflow+facenet人脸识别(二)数据集准备-爱代码爱编程

目录 一、facenet对数据集的要求二、数据集的准备1.数据集下载2.处理数据集报错1原因:解决:报错2原因解决报错3原因:解决报错4原因解决 一、facenet对数据集的要求 数据格式: 文件夹名/文件名_文件名 同一个人的人脸图片放在一个文件夹,文件夹命名为该人的ID文件夹对每个人脸图片的命名为文件夹名_文件名jpg或png注意:这

Mask-RCNN应用 - 训练生成的.h5模型转换为opencv-dnn或tensorflow可用的pb模型-爱代码爱编程

MaskRCNN入门路径–> Mask-RCNN应用研究方法 - 持续更新中 如有问题或需要指导,请私聊留下联系方式 本篇文章介绍如何将训练生成的.h5文件转换为pb文件,用于tensorflow再训练、调用或者opencv-dnn调用 本文代码测试环境 tensorflow-1.13.0, keras-2.

Anaconad+Ubuntu16.4下tensorflow+facenet人脸识别(一)facenet环境搭建-爱代码爱编程

目录 1.下载facenaet2.环境搭建1)安装依赖包2)添加环境变量3.脚本解读 1.下载facenaet 官网下载:https://github.com/davidsandberg/facenet 2.环境搭建 1)安装依赖包 打开下载好的文件 查看requirements.txt文件 这里我们看到需要我们安装的一些包,利用

Tensorflow2.0学习-爱代码爱编程

Tensorflow2.0学习记录之文档学习 !!!本博客只是学习记录 !!! !!!本博客只是学习记录 !!! !!!本博客只是学习记录 !!! 如有幸被蒙看官厚爱,还请只图一乐,不要当成学习资料(翻译:不要妄想从本菜鸟这儿学到任何东西!哼~) 主要参考资料为tensorflow中文官方网站. tensorflow APIs 废话不多说,直

Classification分类学习-爱代码爱编程

#Classification分类学习 import tensorflow as tfw import numpy as np #from tensorflow.examples.tutorials.mnist import input_data #mnist = input_data.read_data_sets(

12.12工作日志-爱代码爱编程

12.12 内容: 程序咀嚼: 1. 构筑图gragh, 这一点和python的Numpy不同,graph 为静态的,需要启动一个session。 graph 代表一个计算任务,在模式运行时,整个程序的结构,“图”在会话里被启动。 session将图的节点操作发布到CPU GPU 上,同时提供OP方法(Operation),专门运算的操作节点,每一

TensorFlow2.0之Himmelblau 函数优化实战-爱代码爱编程

TensorFlow2.0之Himmelblau 函数优化实战 import tensorflow as tf import matplotlib.pyplot as plt import numpy as np def himmelblau(x): # himmelblau函数实现,传入参数x为2个元素的List return (x

吴恩达深度学习课后作业-目标检测的环境配置-爱代码爱编程

吴恩达深度学习-目标检测课后作业中使用的是tensorflow 1.X的版本,现在使用tf 2.x会出现各种报错问题,比较简单的方法是创建虚拟环境,然后安装tf 1.x运行代码 使用anaconda创建虚拟环境,并在jupyter notebook中运行代码安装tensorflow和keras后,numpy和h5py这两个包的版本过高,在运行代码时会出现

Anaconda和conda命令的安装和使用-爱代码爱编程

作者 | 弗拉德 来源 | 弗拉德(公众号:fulade_me) Anaconda Anaconda是一个开源的工具,目前拥有超过六百万的用户。Anaconda致力于提供最便捷的方式来使用Python进行数据科学计算和机器学习。目前,Anaconda拥有超过250+的数据科学工具包,conda工具包可用于Windows,MacOS和Linux三种平台的