小编Maa*_*ten的帖子

TensorBoard似乎具有显示多个不同运行并切换它们的功能.

如何在此处显示多个运行以及如何为它们分配名称以区分它们？

英语有几个收缩.例如:

you've -> you have
he's -> he is

当您进行自然语言处理时,这些有时会引起头痛.是否有一个Python库,可以扩展这些收缩？

我最近看了一下脸部识别.但是我对算法的数量感到满意.

PCA,LDA,IDA,Gabor Wavelets,AAM ......

假设你想使像这样 ......你会使用或文件将你读哪些算法？

Tensorflow倾向于在其GPU上预分配整个可用内存.对于调试,有没有办法说明实际使用了多少内存？

我需要一个比较两个相同大小的PIL图像的功能.我们称它们为A和B.结果应该是一个相同大小的新图像.如果A和B中的像素相同,则应将其设置为固定颜色(例如黑色),否则应将其设置为与B相同的颜色.

是否有用于实现此功能的库,而不需要在所有像素上使用昂贵的循环？

是否有一种简单/内置的方法来获得两个(或理想情况下更多)稀疏矩阵的元素最大值？即稀疏等价的np.maximum.

我想从iterable中创建一个numpy数组,它产生值的元组,例如数据库查询.

像这样:

data = db.execute('SELECT col1, col2, col3, col4 FROM data')
A = np.array(list(data))

有没有更快的方法这样做,而不首先将迭代转换为列表？

我在TensorFlow中有一个循环,如下所示:

with tf.device("/gpu:1"):
    losses = []

    for target, output in zip(targets, lstm_outputs):
        logits = tf.matmul(W, output) + b
        loss = tf.nn.sparse_softmax_cross_entropy_with_logits(logits, target)
        losses.append(loss)

    total_loss = tf.add_n(losses)

在为此图层分配渐变时,我收到OOM错误,因为每个矩阵乘法在图形记忆中是不同的操作.有没有办法阻止TensorFlow同时分配所有这些操作？

我目前使用此代码:

""" Replace all occurrences of subsequence a with b in list l """ 
def replace_subsequence(l,a,b):
    for i in range(len(l)):
        if(l[i:i+len(a)] == a):
            l[i:i+len(a)] = b

例:

>>> l = [1,2,3]
>>> replace_subsequence(l,[2,3],[4])
>>> l
[1, 4]

有没有更有效和/或更优雅的方式来做到这一点？

假设您有 3 个输入：A, B, C。人工神经网络（不一定是前馈）可以学习这种模式吗？

if C > k
   output is A
else
   output is B

是否存在能够或非常适合此类问题的幕帘类型网络？