2020M1 mbp 安装tensorflow 最终完美完成，这个是基础。

正在开发中 这是tf Keras中实现的megadepth使用的Hourglass模型的python3版本。 python3 inference_mega_tensorflow.py 输入 输出 我们的输出

【高清】这个版本只包含第一部分的前九章的内容，相比于第一版，增加了无监督学习等内容。

通过 libhdfs.so 在hadoop上执行 tensorflow 包含 libhdfs库及配置方法

如何将深度学习与GIS结合？GEE+Tensorflow教程！！！！！！

由于自己在安装这些库的时候踩了许多坑，浪费了很多时间，所以在这里把安装的过程做一个总结，并且会附上可以解决问题的网址链接，希望可以帮助大家少踩坑~~~以下是详细步骤。 1、 首先安装anaconda3 5.2.0，它对应的Python版本是3.6.5。安装时注意Windows必须已经更新好，否则会安装出错。附解决链接：点击进入 2、 由于TensorFlow版本原因，不支持3.7及以上Python版本，所以在安装时需注意。好像在后面可以靠创建虚拟环境解决，但是我没有实际操作过，所以只是把解决方法的链接放上来。（如果Python版本是3.7以下可省略这一步）点击进入 3、 官方镜像源和清华镜像源

从预训练语言模型看句子嵌入 这是以下的TensorFlow实现： On the Sentence Embeddings from Pre-trained Language Models Bohan Li, Hao Zhou, Junxian He, Mingxuan Wang, Yiming Yang, Lei Li EMNLP 2020 模型 斯皮尔曼的罗 BERT-大型-NLI 77.80 BERT-大-NLI-last2avg 78.45 BERT大NLI流（仅目标，仅训练） 80.54 BERT大型NLI流程（目标，训练+开发+测试） 81.18 如有任何疑问，请联系 。 要求 Python> = 3.6 TensorFlow> = 1.14 准备 预训练的BERT模型 export BERT_PREMODELS= " ../bert_premodels " mk

L2正则化原理： 过拟合的原理：在loss下降，进行拟合的过程中（斜线），不同的batch数据样本造成红色曲线的波动大，图中低点也就是过拟合，得到的红线点低于真实的黑线，也就是泛化更差。 可见，要想减小过拟合，减小这个波动，减少w的数值就能办到。 L2正则化训练的原理：在Loss中加入（乘以系数λ的）参数w的平方和，这样训练过程中就会抑制w的值，w的（绝对）值小，模型复杂度低，曲线平滑，过拟合程度低（奥卡姆剃刀），参考公式如下图： （正则化是不阻碍你去拟合曲线的，并不是所有参数都会被无脑抑制，实际上这是一个动态过程，是loss（cross_entropy）和L2 loss博弈的一个过程。训

最近在使用Tensorflow 实现DNN网络时，遇到一些问题。目前网上关于Tensorflow的资料还比较少，现把问题和解决方法写出来，仅供参考。 （1）将两个子模型的输出合并到一个通道，例如同时连接到一个全连接层如图 合并方法为 tf.concat()函数。此函数需要两个个参数 concat（0或1，[合并节点1，合并节点2] ）。0 或 1 代表节点合并的方式：0 代表合并后列相同，行增加；1 代表合并后行相同，列增加。 上图所示合并方法为： X_20 = tf.concat(1, [X_top, X_down]); （2）加载预训练好模型的部分参数。例如训练完成了一个五层网络，现在需

用于解决 tensorflow安装成功但是 import调用时失败的问题 由于vc库未更新 所以导致调用tensorflow失败 双击运行安装包vc修复程序 点修复。修复之后 重新 import 调用tensorflow 就成功了