摘要：
本篇内容有：如何根据坐标有目的的选择（where）、如何根据坐标有目的的更新（scatter_nd）、如何生成一个坐标系（） 1.where where针对的tensor是一个bool类型的tensor，即元素都由True或False组成，where(tensor)返回元素为True的位置 # 随机 阅读全文
摘要：
本篇内容有clip_by_value、clip_by_norm、gradient clipping 1.tf.clip_by_value a = tf.range(10) print(a) # if x<a res=a,else x=x print(tf.maximum(a,2)) # if x>a 阅读全文
摘要：
本篇记录一下TensorFlow中张量的排序方法 tf.sort和tf.argsort # 声明tensor a是由1到5打乱顺序组成的 a = tf.random.shuffle(tf.range(5)) # 打印排序后的tensor print(tf.sort(a,direction='DESC 阅读全文
摘要：
本篇内容包括，tf.norm(张量的范数)、tf.reduce_min/max(最大最小值)、tf.argmax/argmin(最大最小值的位置)、tf.equal(张量的比较)、tf.unique(张量的独特值) 1.tf.norm · 二范数 ||x||2 = (Σxk2)1/2 · 一范数 | 阅读全文
摘要：
先来看一下有哪些接口用来进行张量的合并与分割： tf.concat用来进行张量的拼接，tf.stack用来进行张量的堆叠，tf.split用来进行张量的分割，tf.unstack是tf.split的一种，也用来进行张量分割 1.tf.concat 参数axis代表将要合并的维度 # 假设a代表四个班 阅读全文
摘要：
前面在mnist中使用了三个非线性层来增加模型复杂度，并通过最小化损失函数来更新参数，下面实用最底层的方式即张量进行前向传播（暂不采用层的概念）。 主要注意点如下： · 进行梯度运算时，tensorflow只对tf.Variable类型的变量进行记录，而不对tf.Tensor或者其他类型的变量记录 阅读全文
摘要：
说到列表视图，不难联想到前面提到过的数组适配器，但是数组适配器只能搭建文本选择项，扩展能力并不强，Android提供了一种适应性更强的基本适配器BaseAdapter，该适配器允许开发者在别的代码中进行逻辑处理，下面以Spinner为载体，演示如何使用BaseAdapter，具体分为以下三步： （1 阅读全文
摘要：
1.DatePickerDialog 在一些万年历、日程表等APP上我们经常可以看到日期选择控件，由于很少有用户会老老实实的手工输入日期，所以该控件的作用就是为了控制用户的输入格式，在Android中有一个日期选择控件叫DatePicker，但是该空间并非弹窗模式，而是在页面上占据一块区域，这种方式 阅读全文
摘要：
broadcasting是tensorflow中tensor维度扩张的最常用的手段，指对某一个维度上重复N多次，虽然它呈现数据已被扩张，但不会复制数据。 可以这样理解，对 [b,784]@[784,10]+[10]这样一个操作（[10]可以理解为偏置项），那么原式可以化为[b,10]+[10]，但是 阅读全文
摘要：
Application是Android的一大组件，在APP运行过程中有且仅有一个Application对象，它类似于javaweb中的session，贯穿整个生命周期。 Application中适合保存的全局变量主要有一下三类： （1）会频繁读取的信息，如用户名、手机号等 （2）从网络上获取的临时数 阅读全文