TensorBoard是TensorFlow下的一个可视化的工具，能够帮助我们在训练大规模神经网络过程中出现的复杂且不好理解的运算。TensorBoard能展示你训练过程中绘制的图像、网络结构等。 1. 构建简单的TensorBoard日志输出 import tensorflow as tf input1 = tf.constant([1.0, 2.0, 3.0], name=input1) input2 = tf.Variable(tf.random_uniform([3], name=input2)) output = tf.add_n([input1, input2], nam

当使用Tensorflow训练大量深层的神经网络时，我们希望去跟踪神经网络的整个训练过程中的信息，比如迭代的过程中每一层参数是如何变化与分布的，比如每次循环参数更新后模型在测试集与训练集上的准确率是如何的，比如损失值的变化情况，等等。如果能在训练的过程中将一些信息加以记录并可视化得表现出来，是不是对我们探索模型有更深的帮助与理解呢？ Tensorflow官方推出了可视化工具Tensorboard，可以帮助我们实现以上功能，它可以将模型训练过程中的各种数据汇总起来存在自定义的路径与日志文件中，然后在指定的web端可视化地展现这些信息。 1. Tensorboard介绍 1.1 Tensorboa

近期做了一些反垃圾的工作，除了使用常用的规则匹配过滤等手段，也采用了一些机器学习方法进行分类预测。我们使用TensorFlow进行模型的训练，训练好的模型需要保存，预测阶段我们需要将模型进行加载还原使用，这就涉及TensorFlow模型的保存与恢复加载。 总结一下Tensorflow常用的模型保存方式。 保存checkpoint模型文件（.ckpt） 首先，TensorFlow提供了一个非常方便的api，tf.train.Saver()来保存和还原一个机器学习模型。 模型保存 使用tf.train.Saver()来保存模型文件非常方便，下面是一个简单的例子： import ten

FL Studio编曲软件即“Fruity Loops Studio”，简称FL，也就是国人众所熟知的水果编曲软件，圈内用户习惯叫它“水果”。它是一个全能音乐制作环境或数字音频工作站（DAW）。FL Studio可以进行编曲、剪辑、录音、混音，让你的计算机变成全功能录音室，帮助你制作出属于自己的原创音乐。

最近工作需要用到序列匹配，检测相似性，不过有点复杂的是输入长度是不固定的，举例为： input_and_output = [1, 2, '你好', 世界', 12.34, 45.6, -21, '中国', '美丽'] 其中，需要从input_and_output 中选取不固定长度的一段作为输入，且顺序不定，然后去与总体进行比较，找出最符合的，开始是对汉字进行数值化编码，不过后来由于出现汉字越来越多，遂放弃该方法，转向别的方式，查找资料发现了两个python包广被推荐，从下面来看各有优缺点，记录之~ 1、difflib import difflib #python 自带库，不需额外安装 In

我就废话不多说了，大家还是直接看代码吧~ #!/usr/bin/env python # encoding: utf-8 ''' @author: lele Ye @contact: 1750112338@qq.com @software: pycharm 2018.2 @file: 13mnist.py @time: 2018/12/17 10:23 @desc: ''' import tensorflow as tf import scipy.misc import matplotlib.pyplot as plt import random # 读取图像可任意大小 filenames

1.Anaconda的下载与安装 选择相应的Anaconda进行安装，下载地址点击这里，下载对应系统版本的Anaconda。可以进入官网或者国内清华镜像网站进行下载 ，国内清华镜像网站是：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/，现有版本比较丰富，适用于Linux、windows以及MacOSX的64位或者32位系统。可根据自身情况选择下载，我下载的是windows64位系统的4.3.0版本。下载下来和正常的软件一样安装即可。 值得注意的是，在安装界面这一步的时候最好将第一项勾选上，即将Anaconda添加至系统的环境变量，若

基础知识看的差不多的了，所以最近开始玩一些有趣的项目。因为现在tensorflow已经作为keras的后端，将其集成了过来，API是在tf.keras下面，所以keras的项目也可以使用，只需要稍作修改即可 为了方便移植，我们一般都是直接从import导入模块的地方对代码进行微调，这样下面的代码基本上不用修改。本来想着直接在keras前面加上tensorflow就可以了，但是好像出了点问题。我在尝试之后，总结了一下需要注意的点： 在jupyter notebook中以下两种导入方式都是可以的： from tensorflow.keras.layers import Conv2D from te

本文实例为大家分享了tensorflow使用CNN分析mnist手写体数字数据集，供大家参考，具体内容如下 import tensorflow as tf import numpy as np import os os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' from tensorflow.examples.tutorials.mnist import input_data mnist = input_data.read_data_sets("MNIST_data/", one_hot=True) trX, trY, teX, teY = mnist.tr

fl studio20 使用说明和入门方法教授中文版 共同功能 - 所有具有调节功能的按钮和滑竿，都可以用鼠标上下(或左右)拖拽或者鼠标滚轮来控制。微调和重置 - 按住ctrl键不放即可微调控制的值。如要重置所有设置 则按alt+鼠标中间即可。 lcd - 此类面板的操作方式与旋钮一样，用鼠标左键拖拉来控制。或者将鼠标移动到数字上，待鼠标变成“↕”样时。用键盘上下控制。 菜单 - 播放列表、通道设置、钢琴窗等窗口的左上角会有一个箭头。单机可显示基本菜单。 滚动 - 播放列表的滚动栏，具有二维滚动的功能。使用鼠标右键拖拉可同时在水平和垂直位置上移动视图。 音频采样 - 所有你看的到的音频都可以通过拖拽来放到你想要的位置。包括桌面上的mp3文件。大致了解以上内容后，先来看水果的界面。默认打开水果界面大致分为两部分。工具栏面板和下面一大片不是工具栏的窗口……本篇暂时不会对这两个部分以外的窗口做讨论~首先工具栏面板中。 以及其他详细内容介绍