Anaconda安装：anaconda官方下载地址https://www.anaconda.com/products/individualhttps://www.anaconda.com/products/individual注意：此处要勾选第一项AddAnaconda3tomyPATHenvironmentvariableTensorFlow安装：1、打开AnacondaPrompt2、在AnacondaPrompt中输入condacreate-ntensorflow1python=3.8此命令表示：新建一个名叫tensorflow1的环境，使用python3.8版本注：此处tensorfl
Anaconda安装：anaconda官方下载地址https://www.anaconda.com/products/individualhttps://www.anaconda.com/products/individual注意：此处要勾选第一项AddAnaconda3tomyPATHenvironmentvariableTensorFlow安装：1、打开AnacondaPrompt2、在AnacondaPrompt中输入condacreate-ntensorflow1python=3.8此命令表示：新建一个名叫tensorflow1的环境，使用python3.8版本注：此处tensorfl
在常见的多分类问题中，先经过softmax处理后进行交叉熵计算，原理很简单可以将计算loss理解为，为了使得网络对测试集预测的概率分布和其真实分布接近，常用的做法是使用one-hot对真实标签进行编码，然后用预测概率去拟合one-hot的真实概率。但是这样会带来两个问题：无法保证模型的泛化能力，使网络过于自信会导致过拟合；全概率和0概率鼓励所属类别和其他类别之间的差距尽可能加大，而由梯度有界可知，这种情况很难adapt。会造成模型过于相信预测的类别。标签平滑可以缓解这个问题，可以有两个角度理解这件事。角度一软化这种one-hot编码方式。 等号左侧：是一种新的预测的分布等号右侧：前半部分是对原
在常见的多分类问题中，先经过softmax处理后进行交叉熵计算，原理很简单可以将计算loss理解为，为了使得网络对测试集预测的概率分布和其真实分布接近，常用的做法是使用one-hot对真实标签进行编码，然后用预测概率去拟合one-hot的真实概率。但是这样会带来两个问题：无法保证模型的泛化能力，使网络过于自信会导致过拟合；全概率和0概率鼓励所属类别和其他类别之间的差距尽可能加大，而由梯度有界可知，这种情况很难adapt。会造成模型过于相信预测的类别。标签平滑可以缓解这个问题，可以有两个角度理解这件事。角度一软化这种one-hot编码方式。 等号左侧：是一种新的预测的分布等号右侧：前半部分是对原
记录：在复现论文代码时碰到使用keras环境，于是在自己windows系统的台式机（RTX3080；CUDA11.7）上进行了安装，但是发现台式机的显存无法支持程序的运行。于是将一摸一样的环境配置到更大现存的Ubuntu服务器（CUDA11.7）上，但配置环境出错，一直无法调用GPU。经过一天的摸索，从网上其他博客中找到答案，虽然不懂其中的道理，但先记录下来。1.待配置环境的版本Python:3.8.0CUDA:11.3.1cuDNN:8.2.1Tensorflow-gpu:2.7.0Keras:2.7.02.Windows下使用conda和pip安装Tensorflow-gpu以及Kera
记录：在复现论文代码时碰到使用keras环境，于是在自己windows系统的台式机（RTX3080；CUDA11.7）上进行了安装，但是发现台式机的显存无法支持程序的运行。于是将一摸一样的环境配置到更大现存的Ubuntu服务器（CUDA11.7）上，但配置环境出错，一直无法调用GPU。经过一天的摸索，从网上其他博客中找到答案，虽然不懂其中的道理，但先记录下来。1.待配置环境的版本Python:3.8.0CUDA:11.3.1cuDNN:8.2.1Tensorflow-gpu:2.7.0Keras:2.7.02.Windows下使用conda和pip安装Tensorflow-gpu以及Kera
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
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
