keras训练模型和保存模型
keras搬砖系列-keras保存最好的模型 keras.callbacks是一个好东西。 keras.callbacks在model.fit中发挥的作用为： from keras.callbacks import Tensorboard
......
tensorboard = Tensorboard(log_dir='log(就是你想存事件的文件夹)')
callback_lists = [tensorboard] #因为callback是list型,必须转化为list
model.fi
自定义tmux指令的conf参数配置
记录一下自己的.tmux.conf，.vimrc ~/.tmux.conf set -g default-terminal "screen-256color"
set -g prefix C-a
bind C-a send-prefix
unbind C-b
bind r source-file ~/.tmux.conf \; display "Reloaded!"
set -g base-index 1
setw -g pane-base-index 1
bind | split-windo
【Python】字典内容写入json文件
常见的json格式文件读取和存储 https://blog.csdn.net/liuxiao214/article/details/80115924 http://www.cnblogs.com/eniac1946/p/8479300.html 注意：如果包含中文和中文字符，需要将 ensure_ascii 参数设为 ensure_ascii = False
Linux下SVN客户端使用教程（全）
转自： https://blog.csdn.net/qq_27968607/article/details/55253997 1、Svn介绍 SVN全名Subversion，即版本控制系统。SVN与CVS一样，是一个跨平台的软件，支持大多数常见的操作系统。作为一个开源的版本控制系统,Subversion管理着随时间改变的数据。这些数据放置在一个中央资料档案库(repository)中。这个档案库很像一个普通的文件服务器,不过它会记住每一次文件的变动。这样你就可以把档案恢复到旧的版本,或是浏览文
win10+CUDA+anaconda+pytorch+tensorflow-GPU安装
参考此篇比较好的转载文章： http://www.cnblogs.com/yang520ming/p/10677110.html Linux下安装可以参考这个，大致步骤差不多 https://www.jianshu.com/p/98028ef0c52e
keras使用GPU训练模型
版权声明：本文为博主原创文章，转载请注明出处，谢谢 https://blog.csdn.net/suiyueruge1314/article/details/89312179 keras使用GPU训练： 1、简单方法：直接在运行前加 CUDA_VISIBLE_DEVICES=1 CUDA_VISIBLE_DEVICES=1 python train.py
2、指定一块或多块GPU import os
os.environ["CUDA_DEVICE_ORDER"]="PCI_BUS_ID
语音识别——基于深度学习的中文语音识别系统框架
语音相关的一篇写的很好的文章： https://blog.csdn.net/chinatelecom08/article/details/82557715
各种系统下Shadowsocks客户端的安装与配置
详细转载： http://www.jeyzhang.com/how-to-install-and-setup-shadowsocks-client-in-different-os.html
tensorflow/keras 运行中报错Check failed: module != nullptr（ 已放弃 (核心已转储)） 的解决方法
出现报错： /cuda_gpu_executor.cc:881] Check failed: module != nullptr 已放弃 (核心已转储) 此问题是内存显卡内存问题，按如下操作： 参考博客： https://blog.csdn.net/leibaojiangjun1/article/details/53671257 以下为错误方法，不是此类问题的解决方案： https://blog.csdn.net/qq_38813668/article/details/86517195 我是采
tensorflow的CUDA driver version is insufficient for CUDA runtime version 问题解决方案
转自： 作者：li57681522 原文：https://blog.csdn.net/li57681522/article/details/82491617 CUDA driver version is insufficient for CUDA runtime version 翻译过来就是CUDA的驱动程序版本跟CUDA的运行时版本不匹配！ 1.CUDA driver version（驱动版本）：就是NVIDIA GPU的驱动程序版本； 查看命令：nvidia-smi 我们看到我的GPU的驱
Linux读取文本gbk报错问题
版权声明：本文为博主原创文章，转载请注明出处，谢谢 https://blog.csdn.net/suiyueruge1314/article/details/89469076 请养成良好习惯，在读取文件时，使用encoding = ‘utf-8’
conda创建、查看、删除虚拟环境
版权声明：本文为博主原创文章，转载请注明出处，谢谢 https://blog.csdn.net/suiyueruge1314/article/details/89472914 补充：Linux下查看已有虚拟环境： conda-env list
Unique Binary Search Trees II -- LeetCode
原题链接: http://oj.leetcode.com/problems/unique-binary-search-trees-ii/ 这道题是求解所有可行的二叉查找树，从Unique Binary Search Trees中我们已经知道，可行的二叉查找树的数量是相应的卡特兰数，不是一个多项式时间的数量级，所以我们要求解所有的树，自然是不能多项式时间内完成的了。算法上还是用求解NP问题的方法来求解，也就是N-Queens中介绍的在循环中调用递归函数求解子问题。思路是每次一次选取一个结点为根，
Convert Sorted List to Binary Search Tree -- LeetCode
原题链接: http://oj.leetcode.com/problems/convert-sorted-list-to-binary-search-tree/ 这个题是二分查找树的题目，要把一个有序链表转换成一棵二分查找树。其实原理还是跟Convert Sorted Array to Binary Search Tree这道题相似，我们需要取中点作为当前函数的根。这里的问题是对于一个链表我们是不能常量时间访问它的中间元素的。这时候就要利用到树的中序遍历了，按照递归中序遍历的顺序对链表结点一个
Merge Two Sorted Lists -- LeetCode
原题链接: http://oj.leetcode.com/problems/merge-two-sorted-lists/ 这道题目比较简单，经典的链表基本操作。维护两个指针对应两个链表，因为一般会以一条链表为基准，比如说l1, 那么如果l1当期那的元素比较小，那么直接移动l1即可，否则将l2当前的元素插入到l1当前元素的前面。算法时间复杂度是O(m+n),m和n分别是两条链表的长度，空间复杂度是O(1)，代码如下： public ListNode mergeTwoLists(ListNode
Jump Game -- LeetCode
原题链接: http://oj.leetcode.com/problems/jump-game/ 这道题是动态规划的题目，所用到的方法跟是在Maximum Subarray中介绍的套路，用“局部最优和全局最优解法”。我们维护一个到目前为止能跳到的最远距离，以及从当前一步出发能跳到的最远距离。局部最优local=A[i]+i，而全局最优则是global=Math.max(global, local)。递推式出来了，代码就比较容易实现了。因为只需要一次遍历时间复杂度是O(n)，而空间上是O(1)。
块级标签居中 适用于翻页 fit-content
效果如图，之前想要把items居中，为了自适应要写一些js，绕来绕去很麻烦，偶然得知新的指令：fit-content 记录一下。 fit-content可以自适应内容的长度，还能配合margin 0 auto 来居中省去很多麻烦。 但fit-content也有一个小问题：如果一个元素的width已经设置过，再设置width：fit-content；会冲突。最终div的宽度以div内子元素的宽为准，换句话说也就是“向内自适应”。比如咱们创建一个div，在这个div里面放一个100*100的图片，
JS leetcoe.1练习 —— 问题：哈希算法是什么？
题目： 给定一个整数数组 nums 和一个目标值 target，请你在该数组中找出和为目标值的那 两个 整数，并返回他们的数组下标。 你可以假设每种输入只会对应一个答案。但是，你不能重复利用这个数组中同样的元素。 示例: 给定 nums = [2, 7, 11, 15], target = 9 因为 nums[0] + nums[1] = 2 + 7 = 9 所以返回 [0, 1] 解题思路：暴力法（官方给的名字确实是简单粗暴），只需要两个循环，然后依次相加，简单粗暴没啥好说的。 /**
*
今日推荐
周排行