dandelion

https://juejin.im/post/5e547d0b6fb9a07ce31ee6d7 在凹凸有一片蒲公英花田，每当清风拂过，一缕缕白色的蒲公英种子在空中轻盈地飞舞，自由自在，随风飘去。我们总是会抬头仰望，憧憬着它们会生根发芽，开得绚丽烂漫。 Taro Next 终于发布了预览版，同时支持 React / Vue / Nerv 三种框架！！！ 从 Taro 团队 第一次在社区内提到 Taro Next 版本的构架到现在已经数月有余， Taro Next 也在社区内饱受期待，有很多小伙伴可能已经在 next 分支中体验过全新的版本，也有很多在一直期待 Taro Next 的版本发布。 Taro Next 在这几个月内，从 next 分支、实验版本，到现在预览版本的发布，逐步走向稳定和完善。本次发布小助手也在第一时间就去更新体验了哦，这就是我期待中的 Taro 。 当然，我们也从 Taro 社区 中，收集到了一些反馈，比方说很多童鞋不知道 Nerv 是什么 (っ﹏-) .｡o 作为一位凹凸曼，小助手今天就来给大家科普一下，到底什么是 Nerv 咯。 其实也很简单，一句话概括就是“一款轻量级、高性能类 React 前端框架”，大家有兴趣可以去 Nerv 官网 了解更多，小助手也给大家带来了一篇文章详解，嘻嘻～(～o￣▽￣)～o Nerv - 京东高性能前端框架 Nerv

https://juejin.im/post/5e547d0b6fb9a07ce31ee6d7 在凹凸有一片蒲公英花田，每当清风拂过，一缕缕白色的蒲公英种子在空中轻盈地飞舞，自由自在，随风飘去。我们总是会抬头仰望，憧憬着它们会生根发芽，开得绚丽烂漫。 Taro Next 终于发布了预览版，同时支持 React / Vue / Nerv 三种框架！！！ 从 Taro 团队 第一次在社区内提到 Taro Next 版本的构架到现在已经数月有余， Taro Next 也在社区内饱受期待，有很多小伙伴可能已经在 next 分支中体验过全新的版本，也有很多在一直期待 Taro Next 的版本发布。 Taro Next 在这几个月内，从 next 分支、实验版本，到现在预览版本的发布，逐步走向稳定和完善。本次发布小助手也在第一时间就去更新体验了哦，这就是我期待中的 Taro 。 当然，我们也从 Taro 社区 中，收集到了一些反馈，比方说很多童鞋不知道 Nerv 是什么 (っ﹏-) .｡o 作为一位凹凸曼，小助手今天就来给大家科普一下，到底什么是 Nerv 咯。 其实也很简单，一句话概括就是“一款轻量级、高性能类 React 前端框架”，大家有兴趣可以去 Nerv 官网 了解更多，小助手也给大家带来了一篇文章详解，嘻嘻～(～o￣▽￣)～o Nerv - 京东高性能前端框架 Nerv

阅读本文大概需要 8 分钟。 基于AlexNet完成五种花的训练和识别 花分类数据集获取及项目简介 在本例中，我们将使用通过Python爬虫技术获取的 不具备版权 的3762张样本图片，包括5个类别：其中daisy（菊花）633张，dandelion（蒲公英）898张，roses（玫瑰）641张，sunflowers（太阳花）699张，tulips（郁金香）799张； 训练集图片共3306张，同样也是5种类别，其中daisy（菊花）570张，dandelion（蒲公英）809张，roses（玫瑰）577张，sunflowers（太阳花）630张，tulips（郁金香）720张； 测试集图片共364张，也是5种类别，其中daisy（菊花）53张，dandelion（蒲公英）89张，roses（玫瑰）64张，sunflowers（太阳花）69张，tulips（郁金香）79张； 有了数据集之后，我们将搭建AlexNet卷积神经网络，通过对图片的训练，来完成对要识别图片的判断，要注意的一点，因为此项目中样本集中图片总量较小，所以相比第一个例子，识别率可能会有所下降。 代码及最终效果展示 接下来，我们给出本案例的核心代码，即AlexNet网络模型搭建的核心代码： from TensorFlow.keras import layers, models, Model, Sequential

论文传送门 作者 华盛顿大学 Kanit Wongsuphasawat 谷歌研究院 Daniel Smilkov James Wexler Jimbo Wilson Dandelion Mane Doug Fritz Dilip Krishnan Fernanda B. Viegas Martin Wattenberg 摘要 我们介绍了TensorFlow Graph Visualizer，它是 TensorFlow 机器智能平台的一部分。该工具通过可视化其基础的数据流图来帮助用户了解复杂的机器学习架构。该工具通过应用一系列图转换，使得标准布局技术能够生成清晰的交互式图表。至于整理图，我们将非关键节点与布局分离。为了提供概述，我们使用源代码中注释的层级结构。为了支持按需探索嵌套结构，我们执行边绑定以实现稳定且响应迅速的集群扩展。最后，我们检测并突出显示重复的结构，以强调模型的模块化组成。为了演示可视化工具的实用性，我们描述了示例使用场景并报告了用户反馈。总体而言，用户发现可视化工具对于理解、调试和共享其模型的结构很有用。 Design of the TensorFlow Graph Visualizer 力导引布局 日志节点会干扰不同子图的独立性 图布局缺乏层次结构 TensorFlow Graph Visualizer 去除日志节点 多个元操作组合成子算法或子步骤

1. 新建 github.io 项目 其实 github pages 有两个用途，大家可以在 官方网页 看到。其中一个是作为个人/组织的主页（每个账号只能有一个），另一个是作为 github 项目的项目主页（每个项目可以有一个）。 而 github pages 本身就支持 jekyll ，所以二者的结合使用非常方便。 这两种静态页面怎么生成在 https://pages.github.com/ 这里都有详细步骤。 所以现在既然我们要建的是个人博客，就是第一种用途了。 在 github 上新建一个 repo，命名为 username.github.io ，其中 username 就是你的 github 用户名。 把该项目 clone 到本地。 进入项目目录，在根目录下创建 index.html ，这个会自动作为博客的主页。 把所有的修改通过 git push 到刚刚创建的 repo。 好了，现在我们可以通过 https://username.github.io 来浏览我们的个人网站了。 2. 安装、使用 jekyll 网站跑起来了，但是里面没内容。当然我们可以自己写各个页面去丰富她。但是这样比较麻烦，弄个人博客我们主要关注的当然是写博文，而不想每次写一篇文章都要自己去排版一个页面。 jekyll 就是可以帮助我们实现只要关注写文章本身，她会帮我们自动转化成静态页面。

前面的博客中我们说过，在加载数据和预处理数据时使用tf.data.Dataset对象将极大将我们从建模前的数据清理工作中释放出来，那么，怎么将自定义的数据集加载为DataSet对象呢？这对很多新手来说都是一个难题，因为绝大多数案例教学都是以mnist数据集作为例子讲述如何将数据加载到Dataset中，而英文资料对这方面的介绍隐藏得有点深。本文就来捋一捋如何加载自定义的图片数据集实现图片分类，后续将继续介绍如何加载自定义的text、mongodb等数据。 如果你已有数据集，那么，请将所有数据存放在同一目录下，然后将不同类别的图片分门别类地存放在不同的子目录下,目录树如下所示： $ tree flower_photos -L 1 flower_photos ├── daisy ├── dandelion ├── LICENSE.txt ├── roses ├── sunflowers └── tulips 所有的数据都存放在flower_photos目录下，每一个子目录（daisy、dandelion等等）存放的都是一个类别的图片。如果你已有自己的数据集，那就按上面的结构来存放，如果没有，想操作学习一下，你可以通过下面代码下载上述图片数据集： In [ ]: import tensorflow as tf import pathlib data_root_orig = tf .

比特币既是货币也是技术。在货币方面，比特币经过精心设计，一旦经过验证，交易就不可变，永远存在于区块链中。但这并不意味着该技术是静态的。由于充满活力的开发者生态系统，比特币的协议年复一年地稳步提升。 比特币的去中心化性质为改进为协议提供动力的基础技术的过程带来了独特的挑战。为避免无政府状态，比特币的核心开发人员采用了特定的代码修订流程。由于没有中央权限可以说明应该和不应该完成哪些更新，因此更改取决于获得开发人员社区支持的提案。一旦将提案实施到代码中，网络上的节点就必须通过升级其客户端软件来接受新的更改。 投资者应该了解重要的更新提案，因为比特币的重大变化可能会影响BTC的价格。有争议的提案甚至可能导致硬分叉，导致较小的集团拆分并形成区块链的新版本（因为SegWit2提案启发了比特币现金的创建）。 比特币改进建议 比特币改进通常以比特币改进提案（BIP）的形式提交给GitHub存储库。BIP是一个设计文档，它提供了新比特币功能或现有功能修订的想法。只有重大变化才能获得自己的BIP。该文件的作者通常会对比特币社区进行民意调查，以确认在提交正式批准程序的BIP之前是否有很好的接受机会。 如果社区在很大程度上支持，那么BIP作者将把文档提交到比特币开发邮件列表进行审核。BIP通过几个阶段： Draft（草案），BIP已提交。 Proposed（建议），BIP有一个有效的实施方案