小编use*_*789的帖子

我有一台安装了python anaconda的Windows 10 PC.最新的anaconda版本是v5.0.1

我想知道PC是否安装了最新版本的v5.0.1以及它是32位/ 64位还是python 2.7/3.6.我怎么做？

https://www.anaconda.com/download/

我刚刚在 anaconda python 上安装了 tensorflow v2.3。我尝试使用下面的 python 命令测试安装；

$ python -c "import tensorflow as tf; x = [[2.]]; print('tensorflow version', tf.__version__); print('hello, {}'.format(tf.matmul(x, x)))"

我收到以下消息；

2020-12-15 07:59:12.411952: I tensorflow/core/platform/cpu_feature_guard.cc:142] This TensorFlow binary is optimized with oneAPI Deep Neural Network Library (oneDNN)to use the following CPU instructions in performance-critical operations:  AVX AVX2
To enable them in other operations, rebuild TensorFlow with the appropriate compiler flags.
hello, [[4.]]

从消息来看，似乎安装成功了。但究竟This TensorFlow binary is optimized with oneAPI Deep Neural Network Library (oneDNN)to use …

我看到了两种减轻keras模型权重的方法。

第一种方式；

checkpointer = ModelCheckpoint(filepath="weights.hdf5", verbose=1, save_best_only=True)
model.fit(x_train, y_train,
                    nb_epoch=number_of_epoch,
                    batch_size=128,
                    verbose=1,
                    validation_data=(x_test, y_test),
                    callbacks=[reduce_lr, checkpointer],
                    shuffle=True)

第二种方式

model.save_weights("model_weights.h5")

两种方式有什么区别？加载weights.hdf5和加载之间的预测性能model_weights.h5有何不同？

我运行了下面的脚本：

https://github.com/antoniosehk/keras-tensorflow-windows-installation/blob/master/examples/mnist_mlp.py

我相信这些行下载了数据。

from keras.datasets import mnist    
(x_train, y_train), (x_test, y_test) = mnist.load_data()

我在 Windows 10 上运行此脚本。数据存储在哪里？我想清理，因为我的磁盘空间有限。

我在 Windows 10 上使用 python v3.6。当指定一个字符串来表示目录位置时，下面两种方法有什么区别？

folder_location = 'C:\\Users\\username\\Dropbox\\Inv'
folder_location = 'C:/Users/username/Dropbox/Inv'

这是我刚刚发布的另一个问题的后续问题。当我使用\\而不是/.

这个 selenium firefox 配置文件将文件下载到自定义文件夹有什么问题？

假设我有一个使用许多不常见模块的 python 脚本。我想将此脚本部署到不太可能拥有这些不常见模块的站点。有什么方便的方法可以安装和部署这个 python 脚本，而不必在所有站点上运行“pip”？

我正在使用 python v3.x

当使用keras进行机器学习时,model.fit()在训练数据很小时使用.当训练数据太大时,model.fit_generator()建议不要使用model.fit().如何知道数据大小何时变得过大？

Cuda v9.0 有几个补丁

我应该安装最新的补丁还是安装所有的补丁？

https://developer.nvidia.com/cuda-90-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exenetwork

我有这个熊猫数据框df。

Name      Date      Score  Score2
Joe     26-12-2007  53.45  53.4500
Joe     27-12-2007  52.38  52.7399
Joe     28-12-2007  51.71  51.8500

我想将Date列中的日期格式从转换dd-mm-yyyy为yyyy-mm-dd。转换后的数据帧将如下所示；

Name      Date      Score  Score2
Joe     2007-12-26  53.45  53.4500
Joe     2007-12-27  52.38  52.7399
Joe     2007-12-28  51.71  51.8500

我正在使用python v3.6

标记为重复的问题假定原始日期格式为yyyy-mm-dd。但是，此问题中的原始日期格式为dd-mm-yyyy。如果要在该问题中使用答案，则转换后的日期是错误的。 如何在熊猫中更改日期时间格式

在使用 keras 的机器学习教程中，训练机器学习模型的代码就是这种典型的单行代码。

model.fit(X_train, 
          Y_train, 
          nb_epoch=5, 
          batch_size = 128, 
          verbose=1, 
          validation_split=0.1)

这似乎很容易，当训练数据X_train和Y_train小。X_train并且Y_train是 numpy ndarrays。在实际情况下，训练数据可以达到千兆字节，这可能太大了，甚至无法装入计算机的 RAM。

model.fit()当训练数据太大时如何发送数据？