《Linux命令行与shell脚本编程大全》（第三版）第十二章学习总结第十二章：使用结构化命令本章内容使用if-then语句嵌套if语句test命令复合条件测试使用双方括号和双括号case命令12.1使用

声明：本文内容源自《白话深度学习与tensorflow》高扬卫峥编著一书读书笔记！！！神经网络：神经网络又称为人工神经网络（artificialneutralnetwork,ANN）。

今天早上三点多钟就醒来，看了下手机信息，看到琪琪老师发信息给我，问到我之前对演讲感兴趣，是否愿意参加学习，后来我到了四点左右我发了个信息给她，没想到很快就回我了。这才知道她是每天四点钟的早起者，经过沟通，我最后决定参加复盘学习。早上七点钟刚过，HI老师就开讲她今天关于复盘的第一课，现将我今天学到的东西复盘如下：一、今天学到的新知有：1.关于复盘的概念。复盘就是在头脑中对过去所做的事情重新过一遍，通

前言本文主要是我之前复习Java基础原理过程中写的Java基础学习总结。

文章目录前言1.numpy（数据处理和科学计算）2.pandas（数据处理和分析）3.matplotlib（数据可视化）4.scikit-learn（机器学习工具）5.tensorflow（深度学习框架

问题产生的原因：无法执行sess.run()的原因是tensorflow版本不同导致的，tensorflow版本2.0无法兼容版本1.0.解决办法：tf.compat.v1.disable_eager_execution

#设置显卡内存使用率，根据使用率占用importosos.environ["TF_FORCE_GPU_ALLOW_GROWTH"]="true"#引入必要的库importtensorflowastfprint

知识点卷积：用原始像素数据与过滤器中的值相乘，以后加起来。如下是增强水平特征的过滤器。MaxPooling:每次卷积结束以后用一个MaxPooling用来增强图像的特征。可以看出经过MaxPooling以后的图像，竖直特征增强了很多，像素也小了一半。程序构建卷积神经网络以下是导入库以及数据#设置显卡内存使用率，根据使用率占用importosos.environ["TF_FORCE_GPU_ALLO

基于如下的课程进行的学习记录TensorFlow官方入门实操课程#设置显卡内存使用率，根据使用率占用importosos.environ["TF_FORCE_GPU_ALLOW_GROWTH"]="true

前言提示：关于人工智能中tensorflow中张量的理解一、什么是张量？张量就是可以简单的直接理解为是可以表示任何数的一个东西，阶才是表示这个数是什么最重要的指标。

文章目录前言一、导入环境二、定义函数三、测试前言这里运用一个自定义大小的矩阵数据计算，来测试gpu与cpu运算时间的对比。以下为实现方法一、导入环境示例：pandas是基于NumPy的一种工具，该工具是为了解决数据分析任务而创建的。#设置显卡内存使用率，根据使用率占用importosos.environ["TF_FORCE_GPU_ALLOW_GROWTH"]="true"importtensor

调试记录第一步第二步第三步第四步第一步打开如下命令行第二步输入如下命令condainfo--envs可以看到现在是基础（base）环境，我是想进入tensorflow环境输入如下命令activatetensorflow

在没有互联网连接的情况下安装TensorFlow可以通过以下几个步骤完成：###1.下载TensorFlow离线安装包首先，需要在有互联网连接的设备上下载TensorFlow的Wheel文件（`.whl

本文仅用于个人安装记录。官方安装教程https://api.projectchrono.org/8.0.0/tutorial_install_chrono.htmlWindows下安装windows下安装就按照教程好了。采用cmake-gui进行配置，建议首次安装只安装核心模块。然后依此configure下irrlicht，sensor模块（依赖其他内容），GPU模块等。configure后，ge

由于Chrono的官方教程在一些细节方面解释的并不清楚，自己做了一些尝试，做学习总结。0、基本概念类型说明：Chrono的可视化包括两块：实时可视化，以及离线/后处理可视化。

目录结构类说明对象创建UML类图类成员方法学习总结1类说明翻译Class类源码英文文档，分段翻译并配合理解和例子加深印象。

《大话数据结构》读书笔记+课程补充每日一个例题示范一、读书笔记+课程补充顺序存储顺序查找：最好情况——1次最坏情况——n平均时间复杂度——O（n）再该情况下算法的基本操作重复执行次数随问题的输入数据集有所不同考虑最坏时间复杂度（一般考虑）平均时间复杂度最好时间复杂度渐进空间复杂度：S（n）=O（f（n））n为问题的规模或大小分析例题：将一维数组a中的n个数逆序放到原数组中：for(i=0;i#in

《大话数据结构》读书笔记+课程补充一、读书笔记+课程补充往期知识回顾：1.抽象数据类型“复数的实现”typedefstruct{floatrealpart;floatimapart;}Complex调用函数则有：voidassign(Complex*A,floatreal,floatimag);voidadd(Complex*A,floatreal,floatimag);2.C语言实现抽象数据类型

《大话数据结构》读书笔记+课程补充每日一个例题示范一、读书笔记+课程补充有关线性表：零个或多个数据元素的有限序列（前驱后继）当n=0，称为空表。称i为数据元素ai在线性表中的位序。线性表的顺序存储结构：指用一段地址连续的存储单元依次存储线性表的数据元素。使用一维数组来实现顺序存储结构。长度即最大存储容量。例如：存储器中的每个存储单元都有自己的编号，这个编号称为地址。二、每日一个例题示范自然数的拆分

《大话数据结构》读书笔记+课程补充每日一个例题示范一、读书笔记+课程补充抽象数据类型线性表定义：ADTList{}ADTList初始化线性表销毁插入删除线性表等构造一个空的线性表——InitList（&L）销毁线性表（前提是存在）——DestroyList（&L）重置为空表——ClearList（&L）判断线性表是否为空——ListEmpty（L）若为空表则返回ture否则返回false返回数据元

《大话数据结构》读书笔记+课程补充每日一个例题示范一、读书笔记+课程补充（50页）分析算法时间复杂度的基本方法尽量简化取数量级符号"O"选择最高次再化简O（n^2）时间复杂度是由嵌套最深层语句的频度决定的。分析时间复杂度的例题循环执行推导：找到执行次数最后取时间复杂度为T（n）=O（log2n）二、每日一个例题示范高手去散步题目描述鳌头山上有�n个观景点，观景点两两之间有游步道共�m条。高手的那个

《大话数据结构》读书笔记+课程补充每日一个例题示范一、读书笔记+课程补充今天来汇集一下代码中的一些常见调试步骤和潜在问题：确保包含函数所需的库。常量和数组：确保常量适合实际问题，并且数组的大小正确。输入读数：验证输入是否被正确读取。确保值在可接受的范围内。内存溢出：检查相关值是否不超过数组大小。队列数组大小确定。数组边界：确保数组索引不会越界。否则可能会导致内存损坏和未定义的行为。循环条件：验证循

2.tensorflow-gpu就是之前配置好的环境。3.但是在跑的过程中，出现了tensorflow和keras版本冲突的问题，我又不想降级。本身里面的包就比较多。

（发现一篇Naturecommunication居然用R调用了Tensorflow！

参考书籍《Tensorflow实战Google深度学习框架》郑泽宇等要想学习深度学习这门技术，那么有必要对其发展作一定程度的了解。

引言tensorflow作为谷歌开源的深度学习神器，被学界以及业界广泛的推广，本文就不做过多的介绍，如有需要可以参考如下链接link1li

1.动态规划：初识动态规划（英语：Dynamicprogramming，简称DP），是一种在数学、管理科学、计算机科学、经济学和生物信息学中使用的，通过把原问题分解为相对简单的子问题的方式求解复杂问题的方法。动态规划常常适用于有重叠子问题和最优子结构性质的问题。实际上是对暴力递归的一种优化，把已经计算过的信息保存起来，下次要用时不用重复计算，并且通过求解动态数组的方式代替了函数的递归调用。第一步优

一、初识SpringSpring是一个开放源代码的设计层面框架，它解决的是业务逻辑层和其他各层的松耦合问题，因此它将面向接口的编程思想贯穿整个系统应用。Spring是于2003年兴起的一个轻量级的Java开发框架，由RodJohnson创建。简单来说，Spring是一个分层的JavaSE/EEfull-stack(一栈式)轻量级开源框架1.springioc(控制反转)控制反转(Inversion

本来当妈的就会被娃踢被子不时惊醒，这回可好了，夜里睡觉的最小单位可以用分钟计算，好在善于学习总结的妈妈有自己的应对路径，累是累了点，但是没有耽误到正常上班。

文章目录0前言1项目课题介绍2关键技术2.1卷积神经网络2.2卷积层2.3池化层2.4激活函数：2.5全连接层3使用tensorflow中keras模块实现卷积神经网络4Keras介绍4.1Keras深度学习模型

文章目录0前言1基于YOLO的火焰检测与识别2课题背景3卷积神经网络3.1卷积层3.2池化层3.3激活函数：3.4全连接层3.5使用tensorflow中keras模块实现卷积神经网络4YOLOV54.1

看Tensorflow的tutorial才发现，用的多层双向LSTM/GRU做encode学习源语言特征，用一个decode来翻译。

从函数逼近的角度理解多个特征变量逼近连续曲线表示更有弹性的模型总结用多个Featuresigmoid->ReLU从机器学习到深度学习早期的人工智能机器学习表征学习(representationlearning)深度学习总结主题

人工智能大模型的技术框架主要有以下几种：TensorFlow：这是一个由GoogleBrain团队开发的开源库，用于进行高性能数值计算，特别是用于训练和运行深度学习模型。

邹毅坚持分享第117天(约练7+32次)1.SFBT咨询师工作的焦点是在当事人的“知觉”而非事实；当咨询师由衷地.好奇的使用开放式文句询问当事人时，一方面可以通过相互的语言沟通来尝试理解当事人的现实世界，另一方面，咨询师也已将控制权和责任转至当事人手中，给予当事人使用自己语言的空间而拥有更多选择权来决定如何进行描述。2.晤谈的成功或失败的证据，看重的即是当事人的自我陈述。除了探讨当事人个人的看法，

下载相应库pip3installtensorboardXpip3installtensorboardcondainstalltensorflow使用tensorboard调包fromtorch.utils.tensorboardimportSummaryWriter

R)[email protected]核GPU：TeslaV100*4查看CPU信息：cat/proc/cpuinfo查看GPU信息：nvidia-smi一、安装CUDA11.2参照该博客附：TensorFlow

搞事情系列文章主要是为了继续延续自己的“T”字形战略所做，同时也代表着毕设相关内容的学习总结。

本笔记提供了如何在TensorFlow中使用CSV数据的示例：用tf.data加载CSV数据。其中包括两个主要部分：从磁盘加载数据将数据预处理为适合训练的形式。

HTML与CSS学习总结一、HTML总结1概念HTML是HyperTextMarkupLanguage的简称，中文名称：超文本标记语言，它是一种用于创建网页的标准标记语言。标记语言是由标签构成的语言。

学习CSS的总结通过此次对CSS的学习，大致对此有一个粗略的了解，可以使用它来对页面进行美化。1.语法基本说明一条CSS样式规则由两个主要的部分构成：选择器，以{}包裹的一条或多条声明：选择器是需要改变样式的对象；每一条声明由一个属性和一个值组成，属性和值之间用冒号分开，声明之间用分号分开；元素选择器，id选择器前有#号，class选择器前有.。2.如何让CSS对页面生效外部样式表；内部样式表；内

以客户流失数据为例，看Tensorflow2.0版本如何帮助我们快速构建表格（结构化）数据的神经网络分类模型。变化表格数据，你应该并不陌生。

你好，我是跟着大智(VX:zhz11235)学Unity的萌新，我叫小新，这是我本周的学习总结报告哦。

在最流行的三大数据处理栈R、Matlab和Python中，NumPy是最重要的组件之一，有很多Python系的数据处理系统都依赖NumPy作为其基础架构的基础部分，比如tensorflow、pandas

一切努力，只为遇见你最好的情况，权威人物对你的期待，和你对自己的期待，正好是一致的，这个时候你的生命力就会自然的生长，没有多少矛盾。太喜欢批评别人的人，是因为权威的镜子里照见的自己是不好的，所以当他作为镜子的时候，照见的你也总是不好的。美国心理学家科胡特创作了一个术语——不含诱惑的深情，认为人与人之间最美好的情感，是我深深地理解你、接纳你，而且不给你设任何条件。父亲给他的不是一种沉重的期待，而是架

AI预测相关目录AI预测流程，包括ETL、算法策略、算法模型、模型评估、可视化等相关内容最好有基础的python算法预测经验EEMD策略及踩坑VMD-CNN-LSTM时序预测对双向LSTM等模型添加自注意力机制K折叠交叉验证optuna超参数优化框架多任务学习-模型融合策略Transformer模型及Paddle实现迁移学习在预测任务上的tensoflow2.0实现holt提取时序序列特征TCN时

用输出倒逼输入，带着任务学习，先写学习心得，老师讲课的时候把老师的观点记一下，自己记下关键字词，最重要的跟着老师的节奏和进度走，课程结速时自己再把自己的心得记下来，第二天再整理课程的收获，总之两天之内要把学习总结写出来

目录1.安装包2.安装环境3.安装过程4.安装成功大家知道通过在线下载的方式，pip非常容易安装Tensorflow，在我们遇到电脑无法连接外网的时候，只能通过离线的方式安装Tensorflow深度学习框架

#.安装tensorflowandkeras，总是遇到版本无法匹配的问题。

一、PyTorch和TensorFlow的简介1.1PytorchPyTorch是由Facebook开发的一个开源深度学习框架，它提供了一个动态计算图模型，可以在GPU上运行。它于2017年首次发布。