当我们训练一个神经网络模型的时候，我们经常会遇到这样的一个头疼的问题，那就是，神经网络模型的loss值不下降，以致我们无法训练，或者无法得到一个效果较好的模型。导致训练时loss不下降的原因有很多，而且，更普遍的来说，loss不下降一般分为三种，即：训练集上loss不下降，验证集上loss不下降，和测试集上loss不下降。这里，首先默认各位都能理解过拟合和欠拟合的概念。一、训练集loss不下降

np.where(condition, [x, y])condition：条件，是一个类array的bool数组。x，y：类array数组，根据条件返回的结果从x，y选择数据返回。x与必须同时给出或者同时不给出，不能只给出一个。当都不给出时，依据nonzero返回处理。...

ndarray.flatten(order=‘C’)复制原数组，并将其展平成一维数组返回。Params：order : {‘C’, ‘F’, ‘A’, ‘K’}，可选任意一个，默认是‘C’。C：行为主要顺序，从左至右，从上至下F：列为主要顺序，从上至下，从左至右原始数组：arr = np.arange(9).reshape(3,3)arrarray([[0, 1, 2],...

np.sort(a, axis=-1, kind=‘quicksort’, order=None)将指定轴上的每一个元素都按照从小到大的顺序排列。Params：axis：默认是-1，即最大维度，二维数组就是轴1，三维数组就是轴2。kind：排序规则，有三个选项，如下，使用默认的就好kindspeedworst casework spacestable‘qui...

  TF Serving有Docker、APT（二进制安装）和源码编译三种方式，但考虑实际的生产环境项目部署和简单性，推荐使用Docker方式。我自己尝试过源码编译，但是linux下源码编译安装软件本来就容易出现各种错误，自己对tf serving使用还不太熟，就一直没有成功，最后放弃。不过，按照官方说法，源码编译安装的整体运行速度会优于其他方法。下面详细介绍使用docker方法安装tf serv

  最近在使用阿里云服务器做k8s集群服务。前几天因为服务器硬盘使用超过了k8s的阈值，导致对外服务宕掉了（狗头）。重启服务器后，决定做个硬盘监控提醒。  开始我想到了使用邮件。但是，阿里爸爸竟然关闭了邮件服务的25端口，如果使用还要申请，而且能不能申请到还是个问题。无奈，找到了twilio。  Twilio是一个做成开放插件的电话跟踪服务，Twilio公司致力于帮助开发者在其应用里融入电话、短信

UnicodeDecodeError: ‘utf-8’ codec can’t decode byte 0xbd in position 0: invalid start byte我遇到该错误的地方有两处：使用open函数后read数据f = open('D:/test.csv','r',encoding='utf8')f.readlines()使用pandas read_csv...

np.diagonal(a, offset=0, axis1=0, axis2=1)直接上例子：1、二维数组  二维数组，重点理解offset参数。offset默认0，即从位置为（0,0）的元素斜45°角指向的元素。当offset=1时，对角线向上移动1个位置，offset=2，移动两个位置，以此类推。当offset取负值时，向下移动相应的位置数量。见下：arr=np.arange(9...

h5_2_pd#!/usr/bin/env python# -*- coding: utf-8 -*-# @Date: 2019-07-26 17:19:07# @Author:# @Email: None# @Version : py3from keras.models import load_modelimport tensorflow as tfimp...

  当我们训练一个神经网络模型的时候，我们经常会遇到这样的一个头疼的问题，那就是，神经网络模型的loss值不下降，以致我们无法训练，或者无法得到一个效果较好的模型。导致训练时loss不下降的原因有很多，而且，更普遍的来说，loss不下降一般分为三种，即：训练集上loss不下降，验证集上loss不下降，和测试集上loss不下降。这里，首先默认各位都能理解过拟合和欠拟合的概念。一、训练集loss不下降