安装了atom和electron

喜欢atom的界面 也想开发这样的界面 多漂亮啊 于是下electron 和node.js

后期github访问不了了 不知道为什么

electron下载错误 但可以下中文网站的

node.js也访问不了 只能用中国镜像~

还是运行成功了一个electron示例程序

这什么情况!不让访问外网~

发表在 未分类 | 留下评论

逛吃逛吃的一天

今天 本机下载配置了go开发环境

在github.io上建立了博客地址是haigong81

下载了beego源码 docker ce源码~ 研究go语言

tensorflow python 实例源码~研究python和机器学习

无意浏览了coolshell网 百面网 两个不错的网站

了解了windows编程革命史 乱~

原来对开发运维来说linux确实比windows简单

下载安装试验了mit-scheme 会基本edwin命令了

同时学python go lisp三个语言

刚接触emacs edwin

配置notepad++的go环境

了解docker

丰富多彩的一天~~

发表在 未分类 | 留下评论

TensorFlow study 1

import tensorflow as tf
import numpy as np
import math
import matplotlib.pyplot as plt
import matplotlib.animation as animation

num_house=160
np.random.seed(42)
house_size=np.random.randint(low=1000,high=3500,size=num_house)

np.random.seed(42)
house_price=house_size * 100.0 + np.random.randint(low=20000,high=70000,size=num_house)

plt.plot(house_size,house_price,”bx”)
plt.ylabel(“Price”)
plt.xlabel(“Size”)
”’ plt.show()”’

def normalize(array):
return (array-array.mean())/array.std()

num_train_samples=math.floor(num_house*0.7)

train_house_size=np.asarray(house_size[:num_train_samples])
train_price=np.asarray(house_price[:num_train_samples])
train_house_size_norm=normalize(train_house_size)
train_price_norm=normalize(train_price)

test_house_size=np.asarray(house_size[num_train_samples:])
test_house_price=np.asarray(house_price[num_train_samples:])
test_house_size_norm=normalize(test_house_size)
test_house_price_norm=normalize(test_house_price)

tf_house_size=tf.placeholder(“float”,name=”house_size”)
tf_price=tf.placeholder(“float”,name=”price”)

tf_size_factor=tf.Variable(np.random.randn(),name=”size_factor”)
tf_price_offset=tf.Variable(np.random.randn(),name=”price_offset”)

tf_price_pred=tf.add(tf.multiply(tf_size_factor,tf_house_size),tf_price_offset)
tf_cost=tf.reduce_sum(tf.pow(tf_price_pred-tf_price,2))/(2*num_train_samples)
learning_rate=0.1
optimizer=tf.train.GradientDescentOptimizer(learning_rate).minimize(tf_cost)

init=tf.global_variables_initializer()

with tf.Session() as sess:
sess.run(init)

display_every=2
num_training_iter=50

for iteration in range(num_training_iter):
for(x,y) in zip(train_house_size_norm,train_price_norm):
sess.run(optimizer,feed_dict={tf_house_size:x,tf_price:y})
if (iteration+1)%display_every==0:
c=sess.run(tf_cost,feed_dict={tf_house_size:train_house_size_norm,tf_price:train_price_norm})
print(“iteration #:”,’%04d’ % (iteration+1),”cost=”,”{:.9f}”.format(c),\
“size_factor=”,sess.run(tf_size_factor),”price_offset=”,sess.run(tf_price_offset))

print(“Optimization Finished”)
training_cost=sess.run(tf_cost,feed_dict={tf_house_size:train_house_size_norm,tf_price:train_price_norm})
print(“Trained cost=”,training_cost, “Size_factor=”,sess.run(tf_size_factor),”Price_offset=”,sess.run(tf_price_offset),’\n’)

train_house_size_mean=train_house_size.mean()
train_house_size_std=train_house_size.std()
train_price_mean=train_price.mean()
train_price_std=train_price.std()
plt.rcParams[“figure.figsize”]=(10,8)
plt.figure()
plt.ylabel(“Price”)
plt.xlabel(“Size(sq.ft)”)
plt.plot(train_house_size,train_price,’go’,label=”Training data”)
plt.plot(test_house_size,test_house_price,’mo’,label=”Testing data”)
plt.plot(train_house_size_norm*train_house_size_std+train_house_size_mean,
(sess.run(tf_size_factor)*train_house_size_norm+sess.run(tf_price_offset))*train_price_std+train_price_mean,
label=’Learned Regression’)
plt.legend(loc=’upper left’)
plt.show()

发表在 未分类 | 留下评论

当老师

河南财政金融学院培训中~

发表在 未分类 | 留下评论

肚子饿了十多分钟了

去吃饭

发表在 未分类 | 留下评论

中午足足睡了一个小时

为了效率要睡足~

测试修改底稿~ 写测试报告~录制视频教程~ 截图教程~ 服务器代理设置~还有好些事情要干。

发表在 未分类 | 留下评论

今早还是四点起床 四点左右比五点起床好 因为醒来时脑袋特活跃 好像刚从浅睡眠的美梦中醒来 比五点适合醒来。一早上在健身车上 在厨房 几乎看完了linux基础。效率高。

发表在 未分类 | 留下评论

远大驾校班车那点事

始发站也得招手 不然不停。地铁北安河站转专16路可到驾校

发表在 未分类 | 留下评论

起床了。

听说四点起床,效率高。

发表在 未分类 | 留下评论

学车那点事儿。

加了1000块钱,准备周末学车啦。

发表在 未分类 | 留下评论