[Python知识库] paper学习

开发: C++知识库 Java知识库 JavaScript Python PHP知识库人工智能区块链大数据移动开发嵌入式开发工具数据结构与算法开发测试游戏开发网络协议系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑笔记本显卡显示器固态硬盘硬盘耳机手机 iphone vivo oppo 小米华为单反装机图拉丁

-> Python知识库 -> paper学习 -> 正文阅读

[Python知识库]paper学习

在这里插入图片描述

线上讲座：
从用户需求中寻找
从生存中获取需求
　　地震预警系统　中国智能手机电视内置地震预警时间表
视觉区分算法　检测模式的不同
　　手机不仅可以接受手机预警　也可以是地震监测仪
　　＂用科技的力量守护生命＂－雷军
从生态中发现需求
　　隐私保护

真正的始作俑者是商业的贪婪　　拷问灵魂的东西

tf.get_variable的使用方法

该函数的作用是创建新的tensorflow变量，常见的initializer有：常量初始化器tf.constant_initializer、正太分布初始化器tf.random_normal_initializer、截断正态分布初始化器tf.truncated_normal_initializer、均匀分布初始化器tf.random_uniform_initializer。

tf.contrib.layers.xavier_initializer函数

该函数返回一个用于初始化权重的初始化程序 “Xavier” 。

这个初始化器是用来使得每一层输出的方差应该尽量相等。

tf.nn.moments()函数用于计算均值和方差

在这里插入图片描述
Resume Programe:
恢复程序，比如，你在第 12 行和 16 行有两个断点，当前运行至第 12 行，按 Resume Programe ，则运行到下一个断点(即第 16 行);

tensorFlow中,tf.cond()类似于if…else…,用来控制数据流向,但是仅仅类似而已,其中差别还是挺大的。format:tf.cond(pred, fn1,

conda提速

对于Anaconda的下载方式就是conda install了，这个方式可以使用conda install -i 源的格式下载，但是太慢了，我们就永久更改位置即可，代码如下：

# 1. 设置

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

# 2. 生效

conda config --set show_channel_urls yes

复现论文的过程中遇到的问题：
找对数的计算方法：
在这里插入图片描述

x = tf.exp(3.)
print(x)
# print(x.s)
print(tf.math.log(x))

x为e的三次方的意思

如何确定tensorflow变量的类型　　直接ｔｙｐｅ一下

在这里插入图片描述
参考文章

tensorflow仅仅是一个框架　　他还是python 还是python语言来开发　
所以　所有的python相关的库在程序中都能拿来用　　类似强制必须用springBoot2.0的版本

随机生成二维坐标点

import matplotlib.pyplot as plt

import numpy as np

# 函数原型： numpy.random.uniform(low,high,size)
#
# 功能：从一个均匀分布[low,high)中随机采样，注意定义域是左闭右开，即包含low，不包含high.
list1 = []
for i in range(1):
    list1.append(np.random.uniform([0, 1000]))

list2 = []
for i in range(2):
    list2.append(np.random.uniform([0, 1000]))


# list3 = []
# for i in range(10):
#     list3.append(np.random.uniform([8, 20]))

print(list1)
print(type(list1))
print(list2)

```bash
print(list2[0][0])
print(type(list2[0]))

# [array([  0.99400174, 128.26891911])]
# <class 'list'>
# [array([  0.63974107, 483.53769663]), array([8.90073070e-01, 9.91542284e+02])]
# [  0.63974107 483.53769663]
# <class 'numpy.ndarray'>


# matplotlib.pyplot.scatter(x, y, s, c, marker, cmap, norm,
# vim, vmax, alpha, linewidths, verts, hold, **kwargs)
# 形如shape(n, )的数组，x是散点图的x轴数据，y是y轴数据
#c为颜色
plt.scatter(np.array(list1)[:, 0], np.array(list1)[:, 1], c="#DDA0DD")
plt.scatter(np.array(list2)[:, 0], np.array(list2)[:, 1], c="#7B68EE")
# plt.scatter(np.array(list3)[:, 0], np.array(list3)[:, 1], c="#4682B4")

plt.show()