2024年10月28日
在这一讲中，王校长将会手把手地教大家使用Python编写线性的拟合程序。不了解Python语言的童鞋可以通过官方所给的文档 [1]，学习一下基本语法。这一讲王校长将会带大家学习两个用来做机器学习的Python库，分别是Scikit-Learn [2]和TensorFlow [3]。教程中完整的代码都放在了王校长的GitHub目录：https://github.com/physicso/AICourse
这里特别强调，大家要使用Python 2.x版本，不是因为王校长2，是因为Python 3.x不好用，很多语法与2.x也不兼容！
2024年10月28日
Tensorflow 作为当今最牛逼的机器学习框架，是每个机器学习的工作者所必备的工具。本文将从机器学习的第一步：tensorflow 安装开始，跟大家一起分享机器学习的过程。
1、因为python需要调用一些C相关的库文件，因此，需要先安装visual studio 2015或以上版本。安装的时候，只需要勾选必要的组件即可，主要为C++相关的库。下载地址为：
http://download.microsoft.com/download/B/4/8/B4870509-05CB-447C-878F-2F80E4CB464C/vs_community.exe
2024年10月28日
d在文章“基于docker的工作环境搭建”中，简单介绍了基于docker建立一个开发、写作环境的过程。
TensorFlow是最知名的深度学习框架之一，借助已实现的功能，能很轻松的进行一些深度学习方面的开发和测试工作。如前文所说，docker是一个良好的开发、工作环境的依托者，因此建立一个基于docker的TensorFlow开发环境，能大大减少环境重复搭建、多团队合作等等问题。
2024年10月28日
简单神经网络train and test详解（双层）
【 The latest data ： 2018/05/01 】Yuchen
神经网络整体架构内容可参考之前的云笔记《06_神经网络整体架构》
http://note.youdao.com/noteshare?id=2c27bbf6625d75e4173d9fcbeea5e8c1&sub=7F4BC70112524F9289531EC6AE435E14
2024年10月28日
1、tensorflow的设计理念可以认为是定义与运行分开.具体而言,就是定义图和运行图完全分开的过程.就比如说,下面定义a = tf.add(2,2)其实就是定义了一个操作,只是在图上增加了一个加法操作,并没有真正去执行加法操作.
2024年10月28日
在移植了现有的对象检测模型、人脸检测模型、人脸识别模型等到Tensorflow.js之后，我发现有些模型的性能不太好，而其他模型在浏览器中表现得很好。如果您考虑浏览器内部机器学习的潜力以及tensorflow.js为我们的Web开发人员提供的所有可能性，这实际上是令人惊讶的。
然而，随着深度学习模型直接在浏览器中运行，我们也面临着一些现有模型的新挑战和限制，这些模型可能不是专门为在浏览器中运行客户端而设计的，更不用说在移动浏览器中了。以最先进的目标探测器为例:它们通常需要大量的计算资源才能以合理的fps运行，更不用说以实时速度运行了。此外，在一个简单的web应用程序中，将100MB以上的模型权重交付给客户机浏览器是不可行的。
2024年10月28日
本文将介绍TensorFlow并深入探讨它提供的数学和机器学习库。首先，我将在本文中描述TensorFlow框架背后的思想，结构的方式，关键组件等。在本文的最后，您将能够在TensorFlow中编写简单的数值解算器代码片段。
TensorFlow是用于构建机器学习模型的计算框架。它是由Jeff Dean领导的Google Brain的第二代系统。它于2017年初推出，它通过引入从可扩展性到构建生产就绪模型的众多功能，打破了ML世界。
TensorFlow提供了各种不同的工具包，允许您以您喜欢的抽象级别编写代码。例如，您可以在Core TensorFlow（C ++）中编写代码并从Python代码中调用该方法。您还可以定义应运行代码的体系结构（CPU，GPU等）。在上面的层次结构中，您可以编写代码的最低级别是C ++或Python。这两个级别允许您编写数值程序来解决数学运算和方程。虽然这不是强烈建议用于构建机器学习模型，但它提供了各种数学库，可以简化您的任务。您可以编写代码的下一个级别是使用特定于TF的抽象方法，这些方法针对模型组件进行了高度优化。例如，使用 tf.layers方法你可以使用神经网络的层。您可以使用tf.metrics方法构建模型并评估模型性能。最广泛使用的级别是tf.estimator API，它允许您轻松地构建（训练和预测）生产就绪模型。估算器API非常易于使用且经过优化。虽然它提供的灵活性较低，但它具备训练和测试模型所需的一切。让我们看一下estimator API的应用程序，仅使用三行代码构建分类器。
2024年10月28日
第一坑
请把你的计算机名称改成英文名，不要使用中文，就像我这样。我原来用中文落残，死活解码报错，改过来就可以了。
第二坑
代码写好后，我们该怎么打开数据流图？
给大家一个简单的代码示范：
该文件我保存在F：\tensorflowe文件夹下面，命名为first