注：關于深度學習的相關問題，若本文未涉及可在下方留言告訴我，我會在文章中進行補充的。

原文鏈接：https://mtyjkh.blog.csdn.net/article/details/111053458

數據來源

• kaggle數據集
• 機器學習的 50 個最佳免費數據集

TensorFlow2簡單入門

TensorFlow2簡單入門-張量數據結構（Tensor）

TensorFlow2簡單入門-三維張量

TensorFlow2簡單入門-四維張量

TensorFlow2簡單入門-圖像加載及預處理

TensorFlow2簡單入門-加載及預處理文本

TensorFlow2簡單入門-單詞嵌入向量

TensorFlow2簡單入門-Keras 模型: Sequential 順序模型和 Model 模型

TensorFlow2簡單入門 - 池化層

嵌入層：tf.keras.layers.Embedding() 介紹

包裝器：tf.keras.layers.Bidirectional() 介紹

全連接層：tf.keras.layers.Dense()介紹

Dropout層：tf.keras.layers.Dropout() 介紹

優化器：tf.keras.optimizers.SGD()

tf.keras.preprocessing.image_dataset_from_directory() 簡介

實戰系列

深度學習-搭建GPU版本的tensorflow環境

深度學習-Tensorflow2基礎知識

深度學習-卷積神經網絡（CNN）

深度學習-卷積神經網絡（CNN）實現mnist數字識別

深度學習-循環神經網絡（RNN）

深度學習-LSTM網絡模型（實現用電量預測）

概念篇

卷積的計算

關于中值濾波的一些知識

特別篇

• 如何在tensorflow2環境運行tensorflow1代碼
• tensorflow1中如何設置GPU的使用
• tensorflow2中如何設置GPU的使用

tensorflow1相關函數

tf.ConfigProto()函數

tf.train.MomentumOptimizer()

自然語言處理

垃圾短信識別

詞云制作 Python

機器學習

• 機器學習第1天：數據預處理
• 機器學習第2天：簡單線性回歸模型
• 機器學習第3天：多元線性回歸
• 機器學習第4天：線性回歸及梯度下降
• 機器學習第5天：邏輯回歸
• 機器學習第6天：數據可視化神器–Matplotlib
• 機器學習第7天：深入了解邏輯回歸
• 機器學習第8天：IPyhon與Jupyter notebook

實戰篇:

數據預處理

線性回歸（代碼篇）

垃圾短信識別

乳腺癌腫瘤預測

預測汽車的燃油效率

爬蟲

• 實戰項目一：爬取西刺代理（獲取代理IP）
• 實戰項目二：實現CSDN自動點贊
• 實戰項目三：爬取QQ群中的人員信息
• 實戰項目四：爬取911網站
• 實戰項目五：抓取簡書文章信息
• 教程一：Xpath教程
• 教程二：selenium教程
• 教程三：正則表達式教程
• 知識點講解一：代理ip中的proxies
• 知識點講解二：requests中的timeout()
• 知識點講解三：獲取重定位后的網址
• 知識點講解四：棧溢出（stack overflow）問題解決方案
• 知識點講解五：處理js異步加載問題
• 知識點講解六：fake-useragent的用法
• 知識點講解七：Python中的異常處理機制
• 知識點講解八：Python中的尾遞歸
• 知識點講解九：判斷字符串是否為純數字

數據處理

• pandas庫簡單入門

可視化

matplotlib-scatter-繪制散點圖

matplotlib-hist-繪制直方圖

matplotlib-barh-繪制水平條形圖

matplotlib-plot-繪制折線圖

matplotlib-pie-繪制餅狀圖

matplotlib-bar-繪制柱狀圖

matplotlib-動態更新圖表

bug日常

• AttributeError: module ‘tensorflow‘ has no attribute ‘app‘
• ModuleNotFoundError: No module named ‘tensorflow.contrib‘
• ModuleNotFoundError: No module named ‘lib.utils.cython_bbox‘
• Failed to get convolution algorithm.This is probably because cuDNN failed to initialize

實用系列

• git
• GitHub
• GitBook
• 虛擬桌面

查看TensorFlow版本

import tensorflow as tf print(tf.__version__) """ 輸出：2.4.0-rc2（會顯示你tf版本號） """

GPU版本TensorFlow代碼設置

import tensorflow as tf gpus = tf.config.list_physical_devices("GPU")if gpus:gpu0 = gpus[0] #如果有多個GPU，僅使用第0個GPUtf.config.experimental.set_memory_growth(gpu0, True) #設置GPU顯存用量按需使用# 或者也可以設置GPU顯存為固定使用量(例如：4G)#tf.config.experimental.set_virtual_device_configuration(gpu0,# [tf.config.experimental.VirtualDeviceConfiguration(memory_limit=4096)]) tf.config.set_visible_devices([gpu0],"GPU") """ 輸出 [PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')] 2.4.0-rc2 """

查看是否有GPU

import tensorflow as tf gpu_device_name = tf.test.gpu_device_name() print(gpu_device_name) """ 輸出：/device:GPU:0 """

查看GPU是否可用

import tensorflow as tf tf.test.is_gpu_available() """ 輸出： True （GPU可用） False（GPU不可用） """

查看GPU運行情況

nvidia-smi #查看GPU情況 nvidia-smi -l #定時GPU情況

總結

以上是生活随笔為你收集整理的欢迎进入 K同学啊 的博客目录（全站式导航）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。