Ming-Log's Blog

记录生活中的点点滴滴

0%

发表于 更新于 分类于
本文字数： 1.5k 阅读时长 ≈ 1 分钟

安装此环境前提：Python版本大于等于3.8、电脑中有英伟达（NVIDIA）独立显卡

安装Tensorflow2-GPU

注意：Python版本最好是3.8及以上

打开cmd输入下列代码，下载Tensorflow 2.9.1 GPU版本

1
pip install tensorflow-gpu==2.9.1 -i https://pypi.tuna.tsinghua.edu.cn/simple

下载完成后打开Python尝试导入Tensorflow

1
import tensorflow as tf

导入成功说明安装成功，否则重新安装。【注：GPU环境没有安装成功时，会自动调用CPU运行代码】

阅读全文 »

发表于 更新于 分类于
本文字数： 1k 阅读时长 ≈ 1 分钟
`Typora`配置阿里云图床教程

准备工作：

  1. 安装typora编辑器（新版本的都是收费的，最后一个不收费版本链接，点击这里获取【提取码：ming】）

  2. 阿里云图床配置

    阅读全文 »

发表于 更新于 分类于
本文字数： 5k 阅读时长 ≈ 5 分钟

pandas

Timestamp对象

构造方法

利用字符串格式时间数据转化

pandas支持智能的将各种格式的时间数据转化为标准时间戳格式

1
2
3
# 获取当前时间
tm1 = pd.Timestamp.now()
tm1
Timestamp('2022-11-22 18:04:34.850491')

1
2
tm2 = pd.Timestamp('2022-11-21 16:12:12')
tm2
Timestamp('2022-11-21 16:12:12')
阅读全文 »

发表于 更新于 分类于
本文字数： 15k 阅读时长 ≈ 14 分钟

datetime库

date, datetime, time 和 timezone 通用特征属性

  • 这些类型的对象都是不可变的。
  • 这些类型的对象都是可哈希的，这意味着它们可被作为字典的键。
  • 这些类型的对象支持通过pickle模块进行高效的封存。
    阅读全文 »

发表于 更新于 分类于
本文字数： 1.7k 阅读时长 ≈ 2 分钟

time库

  • 主要用在各种时间格式之间进行相互转化，主要包括以下几种：

  1. 时间戳格式，例如：1668758203.288723

  2. 元组格式，例如：time.struct_time(tm_year=2022, tm_mon=11, tm_mday=18, tm_hour=15, tm_min=56, tm_sec=45, tm_wday=4, tm_yday=322, tm_isdst=0)

  3. 字符串标准格式，例如：’Fri Nov 18 15:58:22 2022’

  4. 自定义特殊格式，例如：’2022/11/18 16:26:23’

    阅读全文 »

发表于 更新于 分类于
本文字数： 414 阅读时长 ≈ 1 分钟

不同的情况会遇到不同的时间问题：具体时间点、时间间隔、星期等，无时不刻我们在和时间碰撞。

什么是时间戳

时间戳Timestamp是指在一连串的数据中加入辨识文字，如时间或者日期等，用以保障本地数据更新顺序和远程的一致。

unix时间戳是从1970年1月1日（UTC/GMT的午夜）开始所经过的秒数，不考虑闰秒。1970-01-01就是经常我们在MySQL中时间为空的时候，转化空的时间戳之后得到的时间。一个小时表示为UNIX时间戳格式为：3600秒；一天表示为UNIX时间戳为86400秒，闰秒不计算。

阅读全文 »

发表于 更新于 分类于
本文字数： 31k 阅读时长 ≈ 28 分钟

项目环境介绍

本项目使用的深度学习框架为Tensorflow2，详细环境信息如下：

  • Python=3.8.16
  • Tensorflow=2.9.1
  • keras=2.10.0
  • cudatoolkit=11.3.1
  • cudnn=8.2.1

为了防止因数据集过大导致显存过载，首先配置一下Tensorflow调用GPU的规则，设置为动态显存申请。由于这个配置项必须在代码的最前方声明，故提前说明。

在TensorFlow中，GPU内存默认是一次性分配的，这意味着如果模型占用的内存超过可用内存的限制，将无法运行模型，而会出现OOM（Out Of Memory）错误。为了解决这个问题，TensorFlow提供了函数set_memory_growth，它可以让TensorFlow动态分配GPU内存，只使用所需的GPU内存。总之，使用set_memory_growth函数，可以在程序运行时分配所需的GPU内存，而不是在程序启动时将GPU内存分配给TensorFlow，这样可以避免在运行大型模型时出现内存不足的问题。

1
2
3
from tensorflow.config.experimental import list_physical_devices, set_memory_growth
physical_devices = list_physical_devices('GPU')
set_memory_growth(physical_devices[0], True)
阅读全文 »