简介
该用户还未填写简介
擅长的技术栈
可提供的服务
暂无可提供的服务
收拾屋子时翻到一个皱皱的笔记本,封面是这样的:嗯,高数,是大一时的笔记本。咦,操作系统,难道?翻开,从前向后看,稚气未脱的笔迹映入眼帘。居然是2008年的笔记。隐约记得那个火热的夏天,我在自习室复习高数备考,楼道里传来一声吼:放假啦~高数不考啦~ 跟导员沟通后了解是奥运会的缘故,学校提前放假,所有考试延期到开学后。如果这篇博客只是让大家回顾下高数,那估计很多朋友立刻失去兴趣了。其实不然,那个假期,
百度网盘已弃用。随书资源已经放在码云和 github,方便国内外朋友下载。码云:https://gitee.com/yongkezhao/PracticeCaffeIn21Daysgithub:https://github.com/zhaoyongke/Caffe21Days----------------------------------------------------------不少读者
安装过程PIP 安装安装 PIP安装 TensorFlowPIP 安装的优缺点源码编译安装下载源码安装 Bazel配置编译源码安装的优缺点Docker 镜像安装官方镜像创建 Docker 用户组启动 Docker 容器Docker 镜像安装的优缺点使用过程K40 上运行输出M40 上运行输出GTX1080 上运行输出P40 上输出注意事项安装过程目前较为稳定
通过几个例程,我们逐渐对 TensorFlow 建立了感性认识。本文将进一步从内在原理进行深入理解,进而为阅读源码打好基础。1. 编程模型TensorFlow 计算被抽象为包括若干节点的有向图。如下图所示例子:对应的 TensorFlow Python 代码如下:import tensorflow as tfb = tf.Variable(tf.zeros([100]
MNIST 例程源码分析
# Copyright 2015 Google Inc. All Rights Reserved.## Licensed under the Apache License, Version 2.0 (the "License");# you may not use this file except in compliance with the License.# You may obtai
# Copyright 2015 Google Inc. All Rights Reserved.## Licensed under the Apache License, Version 2.0 (the "License");# you may not use this file except in compliance with the License.# You may obtai
# Copyright 2015 Google Inc. All Rights Reserved.## Licensed under the Apache License, Version 2.0 (the "License");# you may not use this file except in compliance with the License.# You may obtai
读者可能还记得本系列博客(二)和(六)中 tf.nn 模块,其中最关心的是 conv2d 这个函数。首先将博客(二) MNIST 例程中 convolutional.py 关键源码列出:def model(data, train=False):"""The Model definition."""# 2D convolution, with 'SAME' p
看过前面的例子,会发现实现深度神经网络需要使用 tensorflow.nn 这个核心模块。我们通过源码来一探究竟。# Copyright 2015 Google Inc. All Rights Reserved.## Licensed under the Apache License, Version 2.0 (the "License");# you may not use this fil