摘要：
版本python3.6 tensorflow版本为tensorflow==1.14 首先在终端输入： bert-serving-start -model_dir chinese_bert_wwm_L-12_H-768_A-12/publish -num_worker=2 再运行bert_emb.py 阅读全文
摘要：
版本python3.7 tensorflow版本为tensorflow-gpu版本2.6 运行结果： 阅读全文
摘要：
版本python3.7 tensorflow版本为tensorflow-gpu版本2.6 运行结果： 阅读全文
摘要：
版本python3.6 tensorflow版本为tensorflow==1.14 运行结果： 阅读全文
摘要：
版本python3.7 tensorflow版本为tensorflow-gpu版本2.6 运行结果： 阅读全文
摘要：
版本python3.7 tensorflow版本为tensorflow-gpu版本2.6 运行结果： 阅读全文
摘要：
版本python3.7 tensorflow版本为tensorflow-gpu版本2.6 运行结果： 阅读全文
摘要：
版本python3.7 tensorflow版本为tensorflow-gpu版本2.6 运行结果： 阅读全文
摘要：
版本python3.7 tensorflow版本为tensorflow-gpu版本2.6： 运行结果： 阅读全文
摘要：
版本python3.7 tensorflow版本为tensorflow-gpu版本2.6 运行结果： 注意： 在运行wavs_to_model.py时候需要切换版本： python3.6 tensorflow1.14 结果： 阅读全文
摘要：
版本python3.7 tensorflow版本为tensorflow-gpu版本2.6 运行结果： 阅读全文
摘要：
版本python3.7 tensorflow版本为tensorflow-gpu版本2.6 运行结果： 阅读全文
摘要：
版本python3.7 tensorflow版本为tensorflow-gpu版本2.6 运行结果： 代码： from __future__ import print_function, division from keras.datasets import mnist from keras.lay 阅读全文
摘要：
版本python3.7 tensorflow版本为tensorflow-gpu版本2.6 运行结果： 阅读全文
摘要：
版本python3.7 tensorflow版本为tensorflow-gpu版本2.6 实验14-1使用cnn完成MNIST手写体识别(tf)运行结果： 代码： import tensorflow as tf # Tensorflow提供了一个类来处理MNIST数据 from tensorflow 阅读全文
摘要：
版本python3.7 tensorflow版本为tensorflow-gpu版本2.6 运行结果： 阅读全文
摘要：
版本python3.7 tensorflow版本为tensorflow-gpu版本2.6 运行结果： 这里我用Gpu进行加速，训练一回9秒，如果不启用gpu，训练一回会很慢。 代码： #-*- codeing = utf-8 -*- #@Time : 2022/10/2 11:44 #@Author 阅读全文
摘要：
版本python3.7 tensorflow版本为tensorflow-gpu版本2.6 运行结果： 代码： import numpy as np from keras.models import Sequential from keras.layers import Dense, Dropout, 阅读全文
摘要：
版本python3.7 tensorflow版本为tensorflow-gpu版本2.6 运行结果： 代码： import numpy as np np.random.seed(1337) from keras.models import Sequential from keras.layers i 阅读全文
摘要：
版本python3.7 tensorflow版本为tensorflow-gpu版本2.6 实验8-1tensorboard可视化运行结果： 代码： import tensorflow as tf # 创建默认图 graph = tf.compat.v1.get_default_graph() # 定 阅读全文