tensorflow

首先呢，和其他的各种学习都一样， 你一定要明白你学习的目标是什么 。有的人想要通过学习Python，转行成程序员，实现行业上的转变；有的人希望通过学习Python，在现有的岗位上提升自己；当然也有很多人只是从众，说看到很多人都在学，那不如就学一学。 学习的目的性很重要，因为这样第一是可以给你树立一个远方的方向，你朝着这个方向奔跑，那跑起来就没有那么辛苦，每天都可以看到离目标前进了一些；第二是你可以根据自己的目标，去针对性的学习，例如运维开发、Web服务、数据分析、机器学习等等各个方面的细分领域，去安排自己的学习路径。 回到我自己身上，当年在学校中开始学习，C++是必修的课程，学完之后虽然能够用来完成一些有意思的功能（比如我们当年的大作业就是使用MFC去编写一个地图应用），但是当时一点都没有让我感到编程的乐趣。 我是如何开始Python的学习的呢？当时我有一个目标，是想要去喜欢的一个网站实习，那个网站是用Python进行开发的，以此为契机开始了自己的学习。 对于学习编程而言，可能很多课程、很多同学都会陷入一个陷阱，那就是只知道要学什么，但却不知道为什么去学。如果没有跳出这个陷阱，别看课程上教授的内容很多（我们当年的C++就学了一年呢），但完全没法将学习编程的过程变为自驱的过程—— 也就是学习本身应该是推动你去进一步学习的。 我们回过头来看看编程的基础，总共就四大块：

田海立@CSDN 2020-11-21 之前MacBook上TensorFlow只能利用CPU做训练，TF2.4开始可以利用GPU做训练了，并且不管是M1的MacBook Pro，还是Intel架构的MacBook Pro还是Mac Pro都是支持的。 Apple披露这一信息，并且po出性能对比数据 。 MacBook Pro上利用GPU训练 看下面的性能数据，对比了CPU数据、Intel架构的MacBook Pro以及M1架构的MacBook Pro： 结果显示：M1架构的训练性能比CPU提升了7倍；Intel架构的没那么明显。 其中的机器及软件配置： CPU是13-inch Intel架构的Macbook Pro，跑的是TF2.3 Intel架构的GPU加速机器以及M1芯片的GPU加速机器跑的是TF2.4 prerelease Intel架构的13-inch Macbook Pro的配置：1.7GHz 4核 i7 CPU + Intel Iris Plus Graphics 645 GPU + 16GB内存 + 2TB SSD硬盘 M1芯片的13-inch Macbook Pro的配置：M1（4核高性能+4核高效能CPU + 8核GPU + 16核Neural Engine）+ 16GB内存 + 256GB SSD硬盘 只是，M1里有NPU，这个有利用NPU吗，还是仅仅GPU

囤书囤书 薅当当网羊毛的机会又双叒叕来了！ 6月年中庆当当百万自营图书 >> 每满100减50 << >> 每满200减100 << >> 每满300减150 << >> 满400减200 << 等等，还不止半折！！！ 机械工业出版社 联合当当网特为【 机器学习与生成对抗网络 】用户申请了一批 可与满减叠加使用的 「满150减30”」 的图书优惠码，优惠码使用后相当于： 花120元买300元的书！ 比历次优惠码 力度更大！ 硬核技术书， 4折优惠！ 所以这一波优惠，不要错过！ 优惠码： 【 CAWY3S 】 （注意区分大小写，建议选中复制） 使用时间： 2020年6月9日至6月20日 使用渠道： 当当APP和当当小程序 使用条件 ： 原有的满减核算后，得出的实际消费金额总价如果超过150元即可以用优惠码再减30。 本活动满减与礼券均不支持团购，同一账号、同一地址、同一手机号、同一IP反复购买本活动商品，当当有权取消订单，终结交易。 操作方法 1、长按识别下方小程序码，界面已有推荐， 可自行搜索任意心仪图书！！！ 2、在结算付款界面，点击优惠券/码，输入优惠码（如下图所示）。 这个环节，总共分三步 促销优惠只是手段 为大家的学习之路提供薅羊毛的便利才是目的 下面我们为大家推荐几本值得一看的好书 （识别小程序码，可查看详情） 作者：陈红波 刘顺祥 等 关键词：Excel，MySQL

Anaconda笔记 镜像网站安装推荐。 https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ 添加特定源 conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/ conda config --set show_channel_urls yes 查看更新源配置 conda config --show channels 按照必要环境 tensorflow-gpu install mingw libpython keras windows下Path环境变量太大的问题 解决办法是新建一个变量，比如EPath，然后将部分比较长的变量，放入其中。删除Path中已经放在EPath的变量，然后在Path加入%Epath%变量。在cmd命令中，输入Path，检查修改是否生效或成功。 网易邮箱，foxmail客户端报错554，需要在发邮件的时候，抄送一份给自己即可。 无法定位程序输入点 OPENSSL_sk_new_reserve 于动态链接库，解决方案

tensorflow训练验证码识别模型的样本可以使用captcha生成，captcha在linux中的安装也很简单： pip install captcha 生成验证码： # -*- coding: utf-8 -*- from captcha.image import ImageCaptcha # pip install captcha import numpy as np from PIL import Image import random import cv2 import os # 验证码中的字符 number = ['0', '1', '2', '3', '4', '5', '6', '7', '8', '9'] # alphabet = ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j', 'k', 'l', 'm', 'n', 'o', 'p', 'q', 'r', 's', 't', 'u', # 'v', 'w', 'x', 'y', 'z'] # ALPHABET = ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I', 'J', 'K', 'L', 'M', 'N', 'O', 'P', 'Q', 'R', 'S', 'T', 'U', # 'V', 'W', 'X',

很多正在入门或刚入门TensorFlow机器学习的同学希望能够通过自己指定图片源对模型进行训练，然后识别和分类自己指定的图片。但是，在TensorFlow官方入门教程中，并无明确给出如何把自定义数据输入训练模型的方法。现在，我们就参考官方入门课程《Deep MNIST for Experts》一节的内容(传送门： https://www.tensorflow.org/get_started/mnist/pros )，介绍如何将自定义图片输入到TensorFlow的训练模型。 在《Deep MNISTfor Experts》一节的代码中，程序将TensorFlow自带的mnist图片数据集mnist.train.images作为训练输入，将mnist.test.images作为验证输入。当学习了该节内容后，我们会惊叹卷积神经网络的超高识别率，但对于刚开始学习TensorFlow的同学，内心可能会产生一个问号：如何将mnist数据集替换为自己指定的图片源？譬如，我要将图片源改为自己C盘里面的图片，应该怎么调整代码？ 我们先看下该节课程中涉及到mnist图片调用的代码： from tensorflow.examples.tutorials.mnist import input_data mnist = input_data.read_data_sets( ' MNIST_data ' ,

简介： 当下购物峰值不再是最大挑战，下一代技术创新将会出现在哪里？ 诞生12年后，双11仍然续写答卷，也留下了问卷：当购物峰值不再是最大挑战，下一代技术创新，将会出现在哪里？ “好的创新是在高压的场景下产生的，‘双11’创造了一个个高压的场景，让最前沿的技术和最前沿的商业模式，能够产生高速的碰撞。”昨晚，阿里巴巴集团首席技术官程立的双11收官阶段演讲时说，双11的技术挑战将进入新的历史阶段。 今年的双11史上跨度最长，加上新冠疫情背景，有2000多个产业带、30万个外贸工厂和3万多个海外品牌的加入——当有机会将4000万新商品，推向8亿以上消费者时，每一个关键环节，都有诞生新一代技术的可能性。 ▲ 图：阿里巴巴集团CTO程立在双11当晚的演讲 相比程立这样“12年全程参与的工程师”，人们并不能即刻感知技术工程的全部价值，许多项目刚开始设计时，说穿了是为消费者和商家节省几分钟、几块钱；从社会成本上，需要把一个峰值，在时间或空间上烫平；最终，还是回到如何让每一个订单稳定、高效的达成。 就像程立所说的，今年双11，在新品研发、生产制造、用户触达、供应链、物流配送等环节，技术和商业的共振产生了大量创新。而它们的最终方向是让“商业要素在线化、数字化，在这个基础上，构成一个真正数字化的商业网络”。 也因为时间窗口最长，这次双11也让我们从更长的产业链条上，预测一下未来还会有的新东西：