随笔分类 - AI(人工智能)
摘要：gpu就是并行处理强大， cpu很多功能gpu都没有。 什么指令流水化， 多进程管理之类的。 gpu没有多少自主处理指令的能力， 基本是指令靠cpu 计算靠gpu。GPU工作原理是cpu 处理指令，遇到需要gpu的地方， 比如矩阵处理， 图像渲染， 会在显存中开辟一个小空间， 然后把这个矩阵打成很多
阅读全文
摘要：从思路上说，GPU相当于火车，一个车头带几十节车厢，一下子把成千上万吨货全给你拉目的地；CPU相当于汽车，拉货旅游样样能干。因此，如果单纯比运力，一列火车比得过成百上千辆汽车；但如果几百人有几百个目的地，你再让几十节车厢跑几百趟，把他们一个个送达……这显然就不合适了。 GPGPU不过相当于铺设了更多
阅读全文
摘要：版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。 本文链接：https://blog.csdn.net/mao_xiao_feng/article/details/78003476 <!-- flowchart 箭头图标 勿删 --> 实验环境
阅读全文
摘要：卷积函数是卷积神经网络（CNN）非常核心和重要的函数，在搭建CNN时经常会用到，因此较为详细和深入的理解卷积函数具有十分重要的意义。 tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, name=None)：在给定
阅读全文
摘要：转载：https://blog.csdn.net/tz_zs/article/details/75948350 tf.random_normal 从正态分布中输出随机值。 random_normal(shape,mean=0.0,stddev=1.0,dtype=tf.float32,seed=No
阅读全文
摘要：原文链接：https://blog.csdn.net/zhangdongren/article/details/83344048 区别如下： tf.random_normal(shape,mean=0.0,stddev=1.0,dtype=tf.float32,seed=None,name=None
阅读全文
摘要：版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。 本文链接：https://blog.csdn.net/hacker_Dem_br/article/details/88786661 RGB image 输入的图像有RGB3个channel，假设
阅读全文
摘要：原文地址：https://finthon.com/learn-cnn-two-tfrecord-read-data/-- 全文阅读5分钟 -- 在本文中，你将学习到以下内容： 将图片数据制作成tfrecord格式 将tfrecord格式数据还原成图片 前言 tfrecord是TensorFlow官方
阅读全文
摘要：1、卷积 1、卷积 1、卷积 当从一个大尺寸图像中随机选取一小块，比如说 8x8 作为样本，并且从这个小块样本中学习到了一些特征，这时我们可以把从这个 8x8 样本中学习到的特征作为探测器，应用到这个图像的任意地方中去。特别是，我们可以用从 8x8 样本中所学习到的特征跟原本的大尺寸图像作卷积，从而
阅读全文
摘要：http://blog.csdn.net/majinlei121/article/details/46742339 http://blog.csdn.net/augusdi/article/details/9028365 缩小图像（或称为下采样（subsampled）或降采样（downsampled
阅读全文
摘要：在linux下，它是调用speech-dispatcher。在其它不同的平台上，调用各自平台的TTS引擎。所以在使用的时候，要确保本地的TTS引擎是可用的。 本地TTS引擎不可用可能会在声明QTextToSpeech变量的时候导致程序崩溃。 Win7下如果TTS引擎不可用，可能是使用的系统不是完整版
阅读全文
摘要：QTextToSpeech是QT5.8以上的文本转语音模块。 使用方法： 在.pro工程文件中添加“QT += texttospeech”。 添加头文件 #include <QTextToSpeech> 源文件： QTextToSpeech *tts = new QTextToSpeech(this
阅读全文
摘要：版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。 本文链接：https://blog.csdn.net/lucky7213/article/details/78967306 <!-- flowchart 箭头图标 勿删 --> [参考文献]:
阅读全文
摘要：import tensorflow as tfimport numpy as np# todo 学习 Session中的参数Config=tf.ConfigProto()的使用。重点是GPU相关的参数def config_params(): # todo 第二种执行会话的方式 with tf.Gra
阅读全文
摘要：import numpy as npimport tensorflow as tfnp.random.seed(42)"""学习：1、图的创建2、tf.constant() tf.add使用3、tf.Session() 和 tf.Session().run() 方法的使用 """def create
阅读全文
摘要：import numpy as npimport tensorflow as tf# 这里是为了演示numpy和tf的区别。np.random.seed(43)x_data = np.random.rand(100).astype(np.float32)y_data = x_data * 0.1 +
阅读全文
摘要：官方tutorial是这么说的： The only difference with a regular Session is that an InteractiveSession installs itself as the default session on construction. The
阅读全文
摘要：从概率分布的角度考虑，对于一堆样本数据，每个均有特征Xi对应分类标记yi。 生成模型：学习得到联合概率分布P(x,y)，即特征x和标记y共同出现的概率，然后求条件概率分布。能够学习到数据生成的机制。 判别模型：学习得到条件概率分布P(y|x)，即在特征x出现的情况下标记y出现的概率。 数据要求：生成
阅读全文
摘要：版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。 本文链接：https://blog.csdn.net/u013385925/article/details/80385873 面试的时候，一句话说明AUC的本质和计算规则： AUC：一个正例，一
阅读全文
摘要：要搞清楚embeding先要弄明白他和one hot encoding的区别，以及他解决了什么one hot encoding不能解决的问题，带着这两个问题去思考，在看一个简单的计算例子 以下引用 YJango的Word Embedding–介绍https://zhuanlan.zhihu.com/
阅读全文
