2017.10.23日记录:

  感觉平时自己学的还不错的,可是面试的时候才发现自己是个渣渣~~,真的感觉学习不能闭门造车!

  面试了图像处理算法工程师-->>

      1.精通哪门语言?C、C++、Py ?你会C++是吧?那你说static变量在什么时候被分配内存的?懵逼的干活。。。

      2.你会图像处理?那你用什么进行程序优化的?用几个线程对程序进行控制的?能写出来算法就不错了。。。

      3.你会深度学习吗?不会?现在不用深度学习做图像的貌似很少吧?

      4.三维重建、视频处理你会吗?GGG。。。

  总结: A.opencv会了只代表你是机械学生会了CAD。貌似这个大家都懂!

      B.可以利用opencv处理一些图像,或者自己加一点算法,只代表你会CAD画一些工程图。貌似这个出去要么找不到工作,要么就是一个绘图员!

      C.会三维重建,相当于机械会了UG、SW、ProE、CT,就是实体化一些东西给人感觉好多了。

      D.会深度学习,相当于机械会了造东西,这个时候我们可以做一些东西,比如:人脸识别系统、指纹识别。。。

      F.会优化程序,相当于会改进别人做的东西,就是模仿改造了,公司喜欢这样的人。

      G.会把理论变成现实,就是看别人论文用程序实现,这个了不得接私活完全成为大Boss了。

      H.自己创造算法,貌似只有数学系或者博士等的研究者吧?

  个人发展:

      第三步进行中。。。。。。


TessorFlow初探:

  图像处理用C++,深度学习用Python,至于以后QT的开发以后再说。

  安装不用说了--->>>

  来个小例子,当时我花了一个多星期弄懂原理和编写程序,现在几分钟:

 import tensorflow as tf
import numpy as np if __name__ == '__main__':
# 创建训练数据
x_data = np.random.rand(100).astype(np.float32)
y_data = x_data * 0.5 + 0.1
# 随机产生一个W,B的值
Weights = tf.Variable(tf.random_uniform([1], -10, 10))
Baises = tf.Variable(tf.random_uniform([1], -10, 10)) y = Weights * x_data + Baises
#创建TF训练模型结构
loss = tf.reduce_mean(tf.square(y - y_data))
optimizer = tf.train.GradientDescentOptimizer(0.5)
train = optimizer.minimize(loss)
init = tf.initialize_all_variables()
#初始化运行
sess = tf.Session()
sess.run(init)
#实时查看
for step in range(201):
sess.run(train)
if step%20 ==0:
print(step,sess.run(Weights),sess.run(Baises))

训练一个y=kx+b的模型,K、B参数不断进行梯度更新,目标:k = 0.5, b = 0.1

看着训练的结果,实在是太棒了,但是我现在还不了解具体什么意思。。。后面继续努力学习


TF结构分析

刚拿到TF,买了两本书(网上最火的两本,你懂得),看了几个小时完全不懂,看了莫凡大神的代码之后感觉恍然大悟,程序员你不上代码光看书,逗我呢?

TF--->>>Session

  简单理解,一个执行的函数,相当于单片机上面的led.init()、Tick.init()....就是你程序写好之后,TF是不运行的,必须进过Session去运行才可以!

  例一:

 import tensorflow as tf
import numpy as np if __name__ == '__main__':
matrax1 = tf.constant([[1,2,3]])#相当于np.array(),建立一行三列数据
matrax2 = tf.constant([[1],[2],[3]])
project = tf.matmul(matrax1,matrax2)#相乘
sess = tf.Session()#建立一个Session
result = sess.run(project)#用Session去运行matmul乘法
print(result)
sess.close()

  例二:

 import tensorflow as tf
import numpy as np if __name__ == '__main__':
matrax1 = tf.constant([[1,2,3]])#相当于np.array(),建立一行三列数据
matrax2 = tf.constant([[1],[2],[3]])
project = tf.matmul(matrax1,matrax2)#相乘 with tf.Session() as sess:#相当于 sess = tf.Session(),读取结束之后自动关闭==sess.close()
print(sess.run(project))

TF--->>>Variable

  变量,可以更新的数,相当于一个字典(比字典强大),使用的时候得初始化

 import tensorflow as tf
import numpy as np if __name__ == '__main__': state = tf.Variable(0,name="count") #定义一个变量值为0,名字是count,相当于字典
ones = tf.constant(1) #常量const
new_value = tf.add(state,ones) #相加
up_data = tf.assign(state,new_value) #更新state,不是C语言的指针不能直接更新,相当于等于号
init = tf.global_variables_initializer() #只要有Variable变量,就需要初始化
with tf.Session() as sess:
sess.run(init)
for _ in range(3):
print(sess.run(up_data))

TF--->>>placeholder

  可以输入的变量,相当于getchar()

  Tensorflow 如果想要从外部传入data, 那就需要用到 tf.placeholder(), 然后以这种形式传输数据 sess.run(***, feed_dict={input: **}).

 import tensorflow as tf
import numpy as np if __name__ == '__main__': input1 = tf.placeholder(tf.float32)
input2 = tf.placeholder(tf.float32)
output = tf.multiply(input1,input2)
with tf.Session() as sess:
print(sess.run(output,feed_dict={input1:[7.],input2:[10.]}))

参考莫凡大大的网站:https://morvanzhou.github.io/

TessorFlow学习 之 序言的更多相关文章

  1. PHP-Manual的学习----【序言】

    2017年6月27日16:57:32 学习资料:2015-PHP-Manual 打好坚实的基础是做任何事的前提 序言: 笔记: 1.PHP,即"PHP: Hypertext Preproce ...

  2. STL学习笔记序言

    笔者作为计算机科学与技术专业的学生,学习并使用C++已经有3年了.在接触STL之前的编程习惯是,所有程序的功能包括数据结构.算法等都是亲自实现,效率极其缓慢.后来从使用STL的vector开始慢慢的感 ...

  3. STM32学习笔记——序言

    写AVR已经两年了.如果初中时候玩Arduino也算的话,就是6年. 两年以来,我用AVR单片机完成了两个大项目: AVR单片机教程,一时兴起写的,效果不好: MEDS,参赛用的课题,半完成,比赛都结 ...

  4. TessorFlow学习 之 手写数字识别的搭建

    手写数字识别的搭建

  5. TessorFlow学习 之 神经网络的构建

    1.建立一个神经网络添加层 输入值.输入的大小.输出的大小和激励函数 学过神经网络的人看下面这个图就明白了,不懂的去看看我的另一篇博客 def add_layer(inputs , in_size , ...

  6. openswan协商流程之(五):main_inR2_outI3()

    主模式第五包:main_inR2_outI3 文章目录 主模式第五包:main_inR2_outI3 1. 序言 2.函数调用关系 3. 第五个报文流程图 4. main_inR2_outI3()源码 ...

  7. TDD学习笔记【一】----序言

    提到TDD大多数程序员的疑问: 为什么我要写两份程序? 为什么我要写程序来验证我已经知道的结果? 我又不是SA,可能也不懂domain,怎么产生一开始的test case? 最后的感想就变成是: 1. ...

  8. 《通过刷leetcode学习Go语言》之(1):序言

    Author       : Email         : vip_13031075266@163.com Date          : 2021.03.07 Version     : 北京 C ...

  9. ngx-push-stream模块源码学习(一)——序言

    一.概述     与传统的request-response的web应用模式不同,comet是一种长连接(long-held)的应用模式,从而允许服务端主动向客户端推送数据.     主流的comet技 ...

随机推荐

  1. npm是什么

    npm简介 维基百科中npm定义 npm完全用JavaScript写成,最初由艾萨克·施吕特(Isaac Z. Schlueter)开发. 艾萨克表示自己意识到"模块管理很糟糕"的 ...

  2. Spark应用HanLP对中文语料进行文本挖掘--聚类详解教程

    软件:IDEA2014.Maven.HanLP.JDK: 用到的知识:HanLP.Spark TF-IDF.Spark kmeans.Spark mapPartition; 用到的数据集:http:/ ...

  3. c#根据手机号查归属地

    可调用接口参考地址(没有免费的午餐): https://www.juhe.cn/docs/api/id/11 http://vip.showji.com/locating/?m=13606401549 ...

  4. 代码编辑器之notepad++

    引用及下载地址:http://www.iplaysoft.com/notepad-plus.html NotePad++ 优秀的支持语法高亮的开源免费编辑器绿色版下载 EditPlus,它始终是一款收 ...

  5. sourceInsight与IAR的同步

    编写与编译二者同步:引用http://bbs.ednchina.com/BLOG_ARTICLE_3013475.HTM 1 在IAR中新建一个工程TEST.菜单栏 File->New-> ...

  6. c++中计算程序执行时间

    #include<iostream> #include<time.h> using namespace std; int main() { clock_t t1 = clock ...

  7. 车载文档记录(ROM)

    一,缩写词定义 1,ECU和ECM ECU: Engine Control Unit 发动机控制单元:从用途上讲则是汽车专用微机控制器.ECM: Engine Control Module 发动机控制 ...

  8. CentOS 7.4 初次手记:第二章 CentOS安装步骤

    第二章 CentOS安装步骤... 18 第一节 下载... 18 第二节 分区参考... 18 第三节 安装... 19 I Step 1:引导... 19 II Step 2:配置... 20 I ...

  9. nodeJS安装及npm设置淘宝镜像

    node.js安装 下载node.js安装包:https://nodejs.org/en/download/,下载相应版本的node.js. 需注意,在window中,node的安装目录中,最好不要有 ...

  10. 【Centos7裁剪】

    #!/bin/sh rootdir=`pwd` rm -rf ${rootdir}/centos* KERNEL_DIR=${rootdir}/kernel ROOTFS_DIR=${rootdir} ...