欢迎进入 K同学啊 的博客目录（全站式导航）

注：关于深度学习的相关问题，若本文未涉及可在下方留言告诉我，我会在文章中进行补充的。

原文链接：https://mtyjkh.blog.csdn.net/article/details/111053458

数据来源

• kaggle数据集
• 机器学习的 50 个最佳免费数据集

TensorFlow2简单入门

TensorFlow2简单入门-张量数据结构（Tensor）

TensorFlow2简单入门-三维张量

TensorFlow2简单入门-四维张量

TensorFlow2简单入门-图像加载及预处理

TensorFlow2简单入门-加载及预处理文本

TensorFlow2简单入门-单词嵌入向量

TensorFlow2简单入门-Keras 模型: Sequential 顺序模型和 Model 模型

TensorFlow2简单入门 - 池化层

嵌入层：tf.keras.layers.Embedding() 介绍

包装器：tf.keras.layers.Bidirectional() 介绍

全连接层：tf.keras.layers.Dense()介绍

Dropout层：tf.keras.layers.Dropout() 介绍

优化器：tf.keras.optimizers.SGD()

tf.keras.preprocessing.image_dataset_from_directory() 简介

实战系列

深度学习-搭建GPU版本的tensorflow环境

深度学习-Tensorflow2基础知识

深度学习-卷积神经网络（CNN）

深度学习-卷积神经网络（CNN）实现mnist数字识别

深度学习-循环神经网络（RNN）

深度学习-LSTM网络模型（实现用电量预测）

概念篇

卷积的计算

关于中值滤波的一些知识

特别篇

• 如何在tensorflow2环境运行tensorflow1代码
• tensorflow1中如何设置GPU的使用
• tensorflow2中如何设置GPU的使用

tensorflow1相关函数

tf.ConfigProto()函数

tf.train.MomentumOptimizer()

自然语言处理

垃圾短信识别

词云制作 Python

机器学习

• 机器学习第1天：数据预处理
• 机器学习第2天：简单线性回归模型
• 机器学习第3天：多元线性回归
• 机器学习第4天：线性回归及梯度下降
• 机器学习第5天：逻辑回归
• 机器学习第6天：数据可视化神器–Matplotlib
• 机器学习第7天：深入了解逻辑回归
• 机器学习第8天：IPyhon与Jupyter notebook

实战篇:

数据预处理

线性回归（代码篇）

垃圾短信识别

乳腺癌肿瘤预测

预测汽车的燃油效率

爬虫

• 实战项目一：爬取西刺代理（获取代理IP）
• 实战项目二：实现CSDN自动点赞
• 实战项目三：爬取QQ群中的人员信息
• 实战项目四：爬取911网站
• 实战项目五：抓取简书文章信息
• 教程一：Xpath教程
• 教程二：selenium教程
• 教程三：正则表达式教程
• 知识点讲解一：代理ip中的proxies
• 知识点讲解二：requests中的timeout()
• 知识点讲解三：获取重定位后的网址
• 知识点讲解四：栈溢出（stack overflow）问题解决方案
• 知识点讲解五：处理js异步加载问题
• 知识点讲解六：fake-useragent的用法
• 知识点讲解七：Python中的异常处理机制
• 知识点讲解八：Python中的尾递归
• 知识点讲解九：判断字符串是否为纯数字

数据处理

• pandas库简单入门

可视化

matplotlib-scatter-绘制散点图

matplotlib-hist-绘制直方图

matplotlib-barh-绘制水平条形图

matplotlib-plot-绘制折线图

matplotlib-pie-绘制饼状图

matplotlib-bar-绘制柱状图

matplotlib-动态更新图表

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

实用系列

• git
• GitHub
• GitBook
• 虚拟桌面

查看TensorFlow版本

import tensorflow as tf print(tf.__version__) """ 输出：2.4.0-rc2（会显示你tf版本号） """

GPU版本TensorFlow代码设置

import tensorflow as tf gpus = tf.config.list_physical_devices("GPU")if gpus:gpu0 = gpus[0] #如果有多个GPU，仅使用第0个GPUtf.config.experimental.set_memory_growth(gpu0, True) #设置GPU显存用量按需使用# 或者也可以设置GPU显存为固定使用量(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") """ 输出 [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) """ 输出：/device:GPU:0 """

查看GPU是否可用

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

查看GPU运行情况

nvidia-smi #查看GPU情况 nvidia-smi -l #定时GPU情况

总结

以上是生活随笔为你收集整理的欢迎进入 K同学啊 的博客目录（全站式导航）的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。