tensorflow作为google开源的项目，现在赶超例caffe，好像成为最受欢迎的深度学习框架。确实在编写的时候更能感受到代码的真实存在，这点和caffe不同，caffe通过编写配置文件进行网络的生成。

使用flask开发一个简单的应用，k8s进行部署这个应用。在这里只提供一个简单的框架结构。整个项目的目录结构/Dockerfile/k8s/k8s/k8s_flask.server.yml/k8s/k8s_flask.yml/src/src/app.py/src/requirements.txt...

用python创建一个应用程序，使用docker构建镜像，使用k8s管理运行这个程序。docker build -t k8s_python_code .docker tag k8s_python_code:latest 172.27.233.13:35000/k8s_python_code:1.6docker push 172.27.233.13:35000/k8s_python_code:1.6

前天报名了天池的天池精准医疗大赛——人工智能辅助糖尿病遗传风险预测的比赛，今天的提交排名是180多名，但是总排名300+，还没有进行数据工程的工作，所以去kaggle找了这个有相似度的题。下面将我这两天看的一些特征工程方面的代码贴在下面，数据的预处理可以按照这个步骤，其中kaggle的链接kaggle的处理参考#!/usr/bin/python#coding:utf-8import p

今天一天将tensorflow下的faster rcnn实现了，运行demo.py并得到成果，从安装到运行。所以记录一下，我用的GPU工作站，GTX1080ti，内存11G。基础的CUDA配置这里就不详述了。由于是实验室的GPU，所以，在自己的目录下用Anaconda2创建自己的环境，其中Anaconda的配置详见上一篇文档。 其中tensorflow-gpu的版本1.3.0  其中git

全称(Facebook AI Similarity Search)是Facebook AI团队开源的针对聚类和相似性搜索库，为稠密向量提供高效相似度搜索和聚类，支持十亿级别向量的搜索，是目前较成熟的近似近邻搜索库。它包含多种搜索任意大小向量集（备注：向量集大小由RAM内存决定）的算法，以及用于算法评估和参数调整的支持代码。Faiss用C++编写，并提供与Numpy完美衔接的Python接口。除此以

SVHN is a real-world image dataset for developing machine learning and object recognition algorithms with minimal requirement on data preprocessing and formatting.数据库下载地址