tensorflow | 易学教程

Jupyter Notebook配置多个kernel

阅读更多关于 Jupyter Notebook配置多个kernel

Jupyter Notebook配置多个kernel 前言：在anaconda下配置了多个环境，而Jupiter Notebook只是安装在 base 环境下，为了能在Jupiter Notebook中使用不同的环境，进行如下配置。此次配置在windows10系统下步骤打开 Anaconda Prompt ；查看现有的环境 conda info -e ，我此时的环境如下： # conda environments: # base * C:\Software\Anaconda3 tensorflow -cpu C:\Software\Anaconda3\envs\tensorflow- cpu tensorflow -gpu C:\Software\Anaconda3\envs\tensorflow-gpu 转到相应的环境 conda activate tensorflow-cpu 在激活的环境中安装 ipykernel 次数，若我使用 conda install ipykernel 都安装失败了；因此采用pip安装： pip3 install ipykernel -i https://pypi.tuna.tsinghua.edu.cn/simple/ 选择环境写入Jupiter Notebook中： python -m ipykernel install --user

tenserflow.js 环境搭建

阅读更多关于 tenserflow.js 环境搭建

1.安装nodejs http://nodejs.cn/download/ 安装yarn npm install -g yarn 查看版本：yarn --version 2. 一、安装　有两种方法可以在你的项目中引入tensorflow.js。一种是通过script标签引入，另外一种就是通过npm进行安装。（1）通过script标签，如下：复制代码 <!DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8"> <title>tensorflow</title> <script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs@0.9.0"></script> </head> <body> <script> console.log(tf); </script> </body> </html> 来源： oschina 链接： https://my.oschina.net/u/4349634/blog/4732708

CSDN 创始人蒋涛：开源吞噬世界，得开发者得天下

阅读更多关于 CSDN 创始人蒋涛：开源吞噬世界，得开发者得天下

| 转载自：CSDN | 编辑：袁睿斌 | 设计：谭嘉露整理 | 何苗、唐小引出品 | CSDN（ID：CSDNnews） 7 月 15 日，由中国开源软件推进联盟（COPU）主办，赛迪传媒、《软件和集成电路》杂志社联合承办，CSDN 独家直播的 2020 第十五届“ 开源中国开源世界”高峰论坛在线上盛大召开。拥有三十余年编程经验的 CSDN 创始人&董事长、极客帮创投创始合伙人蒋涛一直密切关注中国开源生态，作为中国开源开发者社区的代表，曾先后与 GitHub 、 GitLab 创始人及高层持续对话，共同探讨开源及中国开源发展之路。在本次高峰论坛上，蒋涛发表《中国开发者开源生态报告》主题演讲，并表示：近三十年的科技创新，开源已成为技术应用和行业数字化发展的基石，开源的商业化也有了很大突破，获得众多 VC 青睐。从 CSDN 中国开发者开源生态数据报告来看，开发者极度依赖与关注开源，开源项目整体分布上，以企业及组织为主，采用 MIT 协议、JavaScript 语言最甚。同时，在全球开源趋势下，以 AI 为主的国产开源工具正在崛起，国产开源 IoT 操作系统还有很大空间。中国正逐渐成为全球开源软件的主要使用者和核心贡献者，大力发展自主可控、有核心技术栈的中国开源生态，是中国信息化黄金十年的重要引擎。基于此，蒋涛正式宣布，CSDN 作为国内专业的开发者社区

邮件营销的准则

阅读更多关于邮件营销的准则

翻译：徐雪姣欢迎访问网易云社区，了解更多网易技术产品运营经验。看看你的邮件营销和Mailchimp 成千上万的用户的平均打开率，点击率，退回率和退订率相比较的结果。 Mailchimp各行业用户平均邮件活动统计在Mailchimp 的免费报告中，有许多关于邮件营销和营销自动化的，你可能会好奇，你们公司的统计结果和其他同领域的公司相比如何？像你们这样的公司，一般是想要怎样的打开率？怎样的退订率算是比较高的？可接受的恶意投诉率是多少？关联的点越多越好。 Mailchimp 每个月向他们几百万的用户发送数十亿的邮件。不用说，我们需要追踪大量的数据。因此我们浏览了从系统（里面激活了这次追踪统计，也记录了用户登记的所属产业）发送出去的几亿万封邮件，计算出每个产业平均的打开率，点击率，软性退回，强制退回和恶意投诉率。我们只追踪了那些至少向1000位订阅者投递的活动，但这些统计并不全是出自对那些有着几百万美元营销预算和敬业的邮件营销团队的大型公司的调查。我们的客户群体涵盖了1人创业公司至财富500强公司，因此这个数据代表了整个范围。以下就是在一个产业领域里面同类型公司的比较。更新于2018年3月产业打开率点击率软性退回强制退回恶意投诉率退订率无标签用户 21.09% 2.61% 0.61% 0.39% 0.012% 0.23% 农副食品 23.12%

深度学习入门！三种方式实现minist分类！详细代码实现！cnn(卷积神经网络)，感知机，逻辑回归！

阅读更多关于深度学习入门！三种方式实现minist分类！详细代码实现！cnn(卷积神经网络)，感知机，逻辑回归！

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言一、cnn实现minist代码二、多层感知器实现minist代码三、逻辑回归实现minist代码总结前言 minist数字识别，是深度学习入门数据集。这里使用了三种方式来实现对minist数字分类。分别是逻辑回归，多层感知机，以及我们熟悉的cnn(卷积神经网络)。这里是基于tensorflow来实现的代码，很好入门。一、cnn实现minist代码 import time import tensorflow as tf import numpy as np from matplotlib import pyplot as plt import numpy as np from tensorflow . examples . tutorials . mnist import input_data mnist = input_data . read_data_sets ( 'Minist_data' , one_hot = True ) #参数初始化 input_num = 784 # 输入的列数 labels = 10 #输出的列数 batchsize = 128 #训练集每一批次的照片 max_epochs = 1000 #迭代的次数 dropout = 0.85 #这里设置的x ,

人工智能培训有哪些实战项目？

阅读更多关于人工智能培训有哪些实战项目？

　　学习人工智能除了要构建自己的基础知识框架以外，还要注重实战项目的练习，这样才能达到灵活掌握人工智能技术的目的。因此，大家在选择人工智能培训机构的时候，一定要考察培训课程中有没有实战项目。以博学谷的人工智能培训课程为例，下面一起来看看相关的实战项目内容。　　实战项目一：人脸识别打卡　　随着人工智能时代的到来，各大厂纷纷投入大量的人力物力进军人工智能领域。学习掌握大厂AI技术，可以使我们更快捷的实现业务场景智能化。本次人工智能培训主要介绍了百度AI的三大平台：机器学习平台、深度学习平台、人工智能平台，并对人工智能平台包含的三大主流技术：图像、语音、自然语言处理进行了深入讲解，最后以“人脸识别打卡”案例，详细讲解了项目架构设计和开发流程。学完本课程，不仅可以掌握图像、语音和自然语言处理API的使用，而且可以利用API实现具体应用的开发。　　实战项目二：商品物体检测　　物体检测是计算机视觉中最常见应用之一，有极为广泛的用途。本课程从目标检测算法出发，对各个算法进行了全面细致的讲解，然后讲解了数据集标记与处理的相关内容，最后以一个实战项目“商品物体检测”为例，讲解了整个项目的架构设计，以及整个项目的开发流程。学完本课程不仅可以掌握目标检测算法的原理、模型训练工具的使用，而且可以掌握利用TensorFlow Serving完成模型部署以及客户端编写能力。　　实战项目三：AI游戏

Speaker Encoder复现: Transfer Learning from Speaker Verification to Multispeaker TTS

阅读更多关于 Speaker Encoder复现: Transfer Learning from Speaker Verification to Multispeaker TTS

0. 说明跑通他: https://github.com/CorentinJ/Real-Time-Voice-Cloning 中文版1: https://github.com/KuangDD/zhrtvc git clone https://github.com/CorentinJ/Real-Time-Voice-Cloning.git cd Real-Time-Voice-Cloning/ 1. 环境环境名字为: voiceclone_p36 conda create -n voiceclone_p36 python=3.6.5 conda activate voiceclone_p36 conda install pytorch torchvision torchaudio cpuonly -c pytorch conda install -c conda-forge librosa # 这一点是特别的 (把 ffmpeg也顺便装好了 ) 将requirement.txt中的librosa那条删除 conda install tensorflow-gpu==1.14 将requirement.txt中的tensorflow==1.15那条删除 sudo pacman -S python-pyqt5 将requirement.txt中的PyQt5那条删除再删除一些已经装好的

ValueError: Shapes (None, 3, 2) and (None, 2) are incompatible using tfrecord

阅读更多关于 ValueError: Shapes (None, 3, 2) and (None, 2) are incompatible using tfrecord

来源： https://stackoverflow.com/questions/64403877/valueerror-shapes-none-3-2-and-none-2-are-incompatible-using-tfrecord

ValueError: Shapes (None, 3, 2) and (None, 2) are incompatible using tfrecord

阅读更多关于 ValueError: Shapes (None, 3, 2) and (None, 2) are incompatible using tfrecord

来源： https://stackoverflow.com/questions/64403877/valueerror-shapes-none-3-2-and-none-2-are-incompatible-using-tfrecord

双11还能创造什么新技术？

阅读更多关于双11还能创造什么新技术？

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： C2M技术会替代“电商”，就像云计算替代传统IT C2M（用户直连制造

订阅 tensorflow