使用data_flow_ops构造batch数据集
摘要：1. tf.unstack(number, axis=0) 表示对数据进行拆分 对数据进行合理的解读
阅读全文
posted @
2019-08-20 22:54
python我的最爱
阅读(801)
推荐(0) 编辑
selenium爬虫使用
摘要：1. 网页的打开 2.网页浏览器的关闭 3. 关于内容元素分析 4. 操作表单元素 5.行为链模仿鼠标进行移动，点击，双击操作 6. 对cookie进行操作，包括获取当前cookie，删除cookie 7. 隐式等待和显示等待 8. 进行窗口的切换driver.switch_to.window(dr
阅读全文
posted @
2019-08-15 20:07
python我的最爱
阅读(333)
推荐(1) 编辑
使用多块GPU进行训练 1.slim.arg_scope(对于同等类型使用相同操作) 2.tf.name_scope(定义名字的范围) 3.tf.get_variable_scope().reuse_variable(参数的复用) 4.tf.py_func(构造函数)
摘要：1. slim.arg_scope(函数, 传参) # 对于同类的函数操作，都传入相同的参数 2. tf.name_scope('tower') 对范围内的操作都添加上该操作名 3. tf.get_variable_scope.reuse_variable() 对于相同的操作传入使用同一个网络结构，
阅读全文
posted @
2019-08-15 15:41
python我的最爱
阅读(503)
推荐(0) 编辑
使用多个梯度下降的方式进行测试，同时使用ops.apply_gradient进行梯度的下降
摘要：1. ops = tf.train.GradientDescentOptimizer(learning_rate) 构建优化器 参数说明：learning_rate 表示输入的学习率 2.ops.compute_gradients(loss, tf.train_variables(), coloca
阅读全文
posted @
2019-08-14 19:57
python我的最爱
阅读(1252)
推荐(0) 编辑
使用KFold进行训练集和验证集的拆分，使用准确率和召回率来挑选合适的阈值(threshold) 1.KFold(进行交叉验证) 2.np.logical_and(两bool数组都是正即为正) 3.np.logical_not(bool数组为正即为反，为反即为正)
摘要：恢复内容开始 1. k_fold = KFold(n_split, shuffle) 构造KFold的索引切割器 k_fold.split(indices) 对索引进行切割。 参数说明：n_split表示切割的份数，假设切割的份数为10，那么有9份是训练集有1份是测试集，shuffle是否进行清洗，
阅读全文
posted @
2019-08-14 16:02
python我的最爱
阅读(861)
推荐(0) 编辑
使用tensorflow.data.Dataset构造batch数据集(具体用法在下一篇博客介绍)
摘要：import tensorflow as tf import numpy as np def _parse_function(x): num_list = np.arange(10) return num_list def _from_tensor_slice(x): return tf.data.Dataset.from_tensor_slices(x) sof...
阅读全文
posted @
2019-08-12 23:04
python我的最爱
阅读(4026)
推荐(0) 编辑
对保存的参数checkpoints进行可视化读取 1.pywrap_tensorflow.NewCheckpoint(获得checkpoint的读取器) 2.np.save(对npy文件进行保存) 3.tl.file.load_npy_to_any(对保存的npy文件进行读取)
摘要：1. pywrap_tensorflow.NewCheckpoint(path)获得checkpoint的读取器 参数说明： path表示checkpoint的路径 2.np.save(path, dict) 根据路径将数据保存为npy类型 参数说明：path表示进行参数保存的路径, dict 表示
阅读全文
posted @
2019-08-07 10:52
python我的最爱
阅读(2702)
推荐(0) 编辑
