中文网上能搜到的tensorflow-gpu装置办法都十分麻烦，须要你看你的显卡，看你的显卡驱动，去nvidia官网本人下载cuda啥的，还不肯定跟你最初装置的tensorflow兼容。包含我也被这些辣鸡文章害了，节约一下午。最初发现间接用conda装置就能主动匹配装置对应的cuda等，还能随便抉择版本，十分不便。

1.良好的网络以及ke-xue-shang-net工具2.在Geforce Experience中将你的显卡驱动更新到最新版本，并记住版本号3.确保你是GTX 1660TI显卡

平时做深度学习训练任务的时候，经常需要批量启动多进程同时训练，最麻烦的就是任务刚启动就发现有一些配置参数没有配置好，需要修改配置再重新起任务。于是，如果有一个批量上次指定名字的脚本就方便多了，一键就能搞定多个进程的删除。

python语言和C++一样，支持函数定义的时候带有默认值。但是，携带默认值的参数，都需要放在函数参数的后面，否则调用的时候会报错，提示没有默认值的参数没有赋值。

零、前言 一、机器学习概览 二、一个完整的机器学习项目 三、分类 四、训练模型 五、支持向量机 六、决策树 七、集成学习和随机森林 八、降维 十、使用 Keras 搭建人工神经网络 十一、训练深度神经网络 十二、使用 TensorFlow 自定义模型并训练 十三、使用 TensorFlow 加载和预处理数据 十四、使用卷积神经网络实现深度…

python函数中间有一个（*）分隔，星号后面为命名关键字参数，星号本身不是参数。命名关键字参数，在函数调用时必须带参数名字进行调用。如下例子：

SegmentFault 思否 为开发者提供问答、学习与交流编程知识的平台，创造属于开发者的时代！

pytorch在19年11月份的时候合入了这部分剪枝的代码。pytorch提供一些直接可用的api，用户只需要传入需要剪枝的module实例和需要剪枝的参数名字，系统自动帮助完成剪枝操作，看起来接口挺简单。比如 def random_structured(module, name, amount, dim)

自适应参数化ReLU是一种动态激活函数，对所有输入不是“一视同仁”，在2019年5月3日投稿至IEEE Transactions on Industrial Electronics，2020年1月24日录用，2020年2月13日在IEEE官网公布。

一、问题 {代码…} 运行上边的代码会报如下错： {代码…} 环境 1、python版本：3.7.4 2、scipy版本：1.2.1 3、PIL版本：6.0.0 二、解决方案 1、安装scikit-image {代码…} 2、调用resize() {代码…} 注意：这里的resize()的参数与较老版本的scipy.misc中的imresize()有所不同，前者的output_shape参数对应后者的size…