文章目录TensorFlow简介TensorFlow是什么tensorflow版本变迁tensorflow2.0架构安装过程常用IDE安装python3.9的安装Anaconda的安装CUDA安装cuda软件安装cuDNN神经网络加速库安装配置环境变量TensorFlow的gpu版本安装TensorFlow简介TensorFlow是什么TensorFlow是深度学习领域使用最为广泛的一个Google的开源软件库（最初由Googlebrainteam进行开发的内部库，由于它的易用性Google决定把它开源出来）.采取数据流图，用于数值计算.节点——处理数据线——节点间的输入输出关系数据流图中的数

文章目录注意引言self-attention自注意力机制多头自注意力机制图像中的自注意力机制注意本篇文章参考李宏毅老师的讲课视频，截图均来自老师的PPT，本文是学习笔记。原视频大家可以自行搜索观看引言自注意力机制最初是NLP领域的首先我们了解一下三种任务分类：输出一个句子，可以看作一个序列。1、输入和输出长度一致，每个vector对应一个label假定现在做一个词性分析的任务，就是输入英文句子，给出每个单词的词性2、整个序列对应一个label假定现在做一个语义判断的任务，输出英文句子，给出这个句子的好坏判断。好or不好3、输出长度不确定，由机器决定输出label的长度，这种任务叫做seq2se

文章目录注意引言self-attention自注意力机制多头自注意力机制图像中的自注意力机制注意本篇文章参考李宏毅老师的讲课视频，截图均来自老师的PPT，本文是学习笔记。原视频大家可以自行搜索观看引言自注意力机制最初是NLP领域的首先我们了解一下三种任务分类：输出一个句子，可以看作一个序列。1、输入和输出长度一致，每个vector对应一个label假定现在做一个词性分析的任务，就是输入英文句子，给出每个单词的词性2、整个序列对应一个label假定现在做一个语义判断的任务，输出英文句子，给出这个句子的好坏判断。好or不好3、输出长度不确定，由机器决定输出label的长度，这种任务叫做seq2se

原文链接HowToBuildaDeepAudioDe-NoiserUsingTensorFlow2.0Practicaldeeplearningaudiode-noisingIntroduction语音去噪是一个长期存在的问题。给定一个嘈杂的输入信号，目标是在不降低感兴趣的信号的情况下过滤掉这些噪音。你可以想象这样一种场景，一个人在视频会议中说话，而背景中正在播放一段音乐。在这种情况下，语音去噪系统的工作是去除背景噪音，以改善语音信号。除了许多其他用例外，这种应用对于视频和音频会议尤其重要，因为噪音会大大降低语音的清晰度。语音去噪的经典解决方案通常采用生成式建模（Generativemodel

原文链接HowToBuildaDeepAudioDe-NoiserUsingTensorFlow2.0Practicaldeeplearningaudiode-noisingIntroduction语音去噪是一个长期存在的问题。给定一个嘈杂的输入信号，目标是在不降低感兴趣的信号的情况下过滤掉这些噪音。你可以想象这样一种场景，一个人在视频会议中说话，而背景中正在播放一段音乐。在这种情况下，语音去噪系统的工作是去除背景噪音，以改善语音信号。除了许多其他用例外，这种应用对于视频和音频会议尤其重要，因为噪音会大大降低语音的清晰度。语音去噪的经典解决方案通常采用生成式建模（Generativemodel

PyCharm运行optimize.py出错Traceback(mostrecentcalllast):File“D:/PyCharm/RelationPrediction-master/code/optimization/optimize.py”,line241,inX=tf.placeholder(tf.float32,shape=(None,2))AttributeError:module‘tensorflow’hasnoattribute‘placeholder’查看tensorflow版本pythonimporttensorflowastftf.__version__当前版本为2.3

PyCharm运行optimize.py出错Traceback(mostrecentcalllast):File“D:/PyCharm/RelationPrediction-master/code/optimization/optimize.py”,line241,inX=tf.placeholder(tf.float32,shape=(None,2))AttributeError:module‘tensorflow’hasnoattribute‘placeholder’查看tensorflow版本pythonimporttensorflowastftf.__version__当前版本为2.3

前言大家对构建工具中的external的属性一定不会陌生吧。在优化构建产物体积需求中可能会引入CDN来取代一些基础的模块或工具包，如React、Vue、lodash等。最近没什么事情，闲余时间研究了下Vite和Rollup的内部实现，借此机会来探究下构建工具是如何处理external这一类外部链接的，并对external的能力做一些扩展。如何解析External因为external的能力主要体现在构建流程，那么我们就从构建的时机开始看起吧。构建的时候Vite是依赖于Rollup的能力，也就是说external的属性主要是在Rollup构建上体现出来的。从Vite传递给Rollup的参数上也可以

前言大家对构建工具中的external的属性一定不会陌生吧。在优化构建产物体积需求中可能会引入CDN来取代一些基础的模块或工具包，如React、Vue、lodash等。最近没什么事情，闲余时间研究了下Vite和Rollup的内部实现，借此机会来探究下构建工具是如何处理external这一类外部链接的，并对external的能力做一些扩展。如何解析External因为external的能力主要体现在构建流程，那么我们就从构建的时机开始看起吧。构建的时候Vite是依赖于Rollup的能力，也就是说external的属性主要是在Rollup构建上体现出来的。从Vite传递给Rollup的参数上也可以

Self-attention有一个进阶的版本,叫做Multi-headSelf-attention,Multi-headSelf-attention,其实今天的使用是非常地广泛的。在LHY2021作业4裡面,助教原来的code4有,Multi-headSelf-attention,它的head的数目是设成2,那刚才助教有给你提示说,把head的数目改少一点改成1,其实就可以过mediumbaseline但并不代表所有的任务,都适合用比较少的head,有一些任务,比如说翻译,比如说语音辨识,其实用比较多的head,你反而可以得到比较好的结果至於需要用多少的head,这个又是另外一个hyperpa