动手学深度学习 v2.0
Notebook . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 741 xiv 16.1.1 在本地编辑和运行代码 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 741 16.1.2 高级选项 . . . . . 载的PDF访问,也可以作为网站在互联网上访问。目前还没有完全适合这些需求的工具和工作流程,所以我 们不得不自行组装。我们在 16.5节 中详细描述了我们的方法。我们选择GitHub来共享源代码并允许编辑,选 择Jupyter记事本来混合代码、公式和文本,选择Sphinx作为渲染引擎来生成多个输出,并为论坛提供讨论。 虽然我们的体系尚不完善,但这些选择在相互冲突的问题之间提供了一个很好的妥协。我们相信,这可能是 人们与智能手机的日常互动就可以涉及几种机器学习模型。 现在,假如需要我们编写程序来响应一个“唤醒词”(比如“Alexa”“小爱同学”和“Hey Siri”)。我们试 着用一台计算机和一个代码编辑器编写代码,如 图1.1.1中所示。问题看似很难解决:麦克风每秒钟将收集大 约44000个样本,每个样本都是声波振幅的测量值。而该测量值与唤醒词难以直接关联。那又该如何编写程 序,令其输入麦克风采集到的原始音频片段0 码力 | 797 页 | 29.45 MB | 1 年前3复杂环境下的视觉同时定位与地图构建
Pattern Analysis and Machine Intelligence (TPAMI), 31(6):974-988, 2009. 典型应用 • 三维重建 • 视频场景编辑 三维重建 三维重建 视频场景编辑 软件或源代码 • ENFT-SFM or LS-ACTS • http://www.zjucvg.net/ls-acts/ls-acts.html • RKSLAM:0 码力 | 60 页 | 4.61 MB | 1 年前3【PyTorch深度学习-龙龙老师】-测试版202112
语言环境为例,介绍如何安装 PyTorch 框架及其它开发软件。 一般来说,开发环境安装分为 4 大步骤:安装 Python 解释器 Anaconda,安装 CUDA 加速库,安装 PyTorch 框架和安装常用编辑器。 1.6.1 Anaconda 安装 Python 解释器是让以 Python 语言编写的代码能够被 CPU 执行的桥梁,是 Python 语言 的核心软件。用户可以从 https://www 命令安装时,可能会出现下载速度缓慢甚至连接断开的情况,需要配置 国内的 pip 源,只需要在 pip install 命令后面带上“-i 源地址”参数即可。上述命令即使用 了清华大学的 pip 源。 1.6.4 常用编辑器安装 使用 Python 语言编写程序的方式非常多,可以使用 ipython 或者 ipython notebook 方式 交互式编写代码,也可以利用 Sublime Text、PyCharm Library. 出处 WallachH., LarochelleH., BeygelzimerA., d\textquotesingle Alch é-BucF., FoxE., & GarnettR. (编辑), Advances in Neural Information Processing Systems 32 (页 8024–8035). Curran Associates, Inc. 检索来源:0 码力 | 439 页 | 29.91 MB | 1 年前3机器学习课程-温州大学-01机器学习-引言
52 Python 的环境的安装 ⚫Jupyter notebook 在cmd环境下,切换到代码的 目录,输入命令: jupyter notebook之后就可以 启动jupyter botebook编辑器 ,启动之后会自动打开浏览器 ,并访问http://localhost:8088 ,默认跳转到 http://localhost:8088/tree 53 ⚫Pycharm https://www0 码力 | 78 页 | 3.69 MB | 1 年前3机器学习课程-温州大学-01深度学习-引言
53 Python 的环境的安装 ⚫Jupyter notebook 在cmd环境下,切换到代码的 目录,输入命令: jupyter notebook之后就可以 启动jupyter botebook编辑器 ,启动之后会自动打开浏览器 ,并访问http://localhost:8088 ,默认跳转到 http://localhost:8088/tree 54 ⚫Pycharm https://www0 码力 | 80 页 | 5.38 MB | 1 年前3Keras: 基于 Python 的深度学习库
json_string = model.to_json() # 保存为 YAML yaml_string = model.to_yaml() 生成的 JSON/YAML 文件是人类可读的,如果需要还可以手动编辑。 你可以从这些数据建立一个新的模型: # 从 JSON 重建模型: from keras.models import model_from_json model = model_from_json(json_string) "channels_last", 后端 BACKEND 172 "epsilon": 1e-07, "floatx": "float32", "backend": "tensorflow" } 您可以通过编辑 $ HOME/.keras/keras.json 来更改这些设置。 • image_data_format: 字符串,"channels_last" 或者 "channels_first"。它指定了0 码力 | 257 页 | 1.19 MB | 1 年前3
共 6 条
- 1