luyishisi / shisi.eth-in-web3 Goto Github PK

能不能保存成.pb并把权重固化进去?
谢谢！

博客原来共享的98模型还能再共享下吗

在第一个验证码识别实验中
我将正确率设置到了90%，但是验证的时候出现了这个错误
在50%正确率 的情况下可以成功跑出tensorflow_cnn_test_model.py

learning keras/tensorflow, thinking that your project might be a good starting point for me to learn. However I ran into several issues and I guess maybe your codes were implemented in python 2.7? Can you upgrade it to be compatible to python 3.5?
My cellphone is 13918544873, we may chat.

你好，一开始我把softmax作为最后的分类层，结果在调learning_rate的时候发现loss要么一开始就在某个值上下浮动，要么就会一直增大，后来用你的sigmoid方式分类，loss到最后会在0.0834上下变化，但是accuracy确实一直很小，而且会有时候增大有时候减小，这大概是什么原因呢？
相对你的代码，我只是添加了scope，然后weights初始化的时候用的是truncated_normal_initializer(stddev=0.01),不知道这样改会有什么影响吗？

你好，大概训练几条记录才能达到50%呢？

您好！
请问
达到50%成功率需要2000个批次，总计20w张图片。
达到70%成功率需要4000个批次，总计40w张图片。
达到94%成功率需要40000个批次，总计400w张图片。
达到98%成功率需要100000个批次，总计1000w张图片。
这些训练数据的验证码是只包含数字还是包含了数字和字母？
我用您的代码训练，包含数字和字母，跑了200000次，准确率还是0.085

我在最后的全联通层用的是你注释掉的softmax函数
然后每训练20次输出一次准确率
在训练的时候发现，每训练一次loss就增长很多
但第一次输出acc为0.01
第二次为0.0225
按理说loss增加acc应该会减少才对呀
为什么acc不减反增呢

训练代码在
https://github.com/whousemyDaLaBengBa/DeepNeuralNetwork
输出数据在readme中
以注明出处，如侵权请联系删除

with slim.arg_scope([slim.conv2d, slim.fully_connected],
activation_fn=tf.nn.relu,
biases_initializer=tf.random_normal_initializer,
weights_initializer=tf.random_normal_initializer,
):

    conv1 = slim.conv2d(x, 32, [3, 3], 1)
    pool1 = slim.max_pool2d(conv1, [2, 2], 2, padding='SAME')
    drop1 = slim.dropout(pool1, keep_prob=keep_prob)
    conv2 = slim.conv2d(drop1, 64, [3, 3], 1)
    pool2 = slim.max_pool2d(conv2, [2, 2], 2, padding='SAME')
    drop2 = slim.dropout(pool2, keep_prob=keep_prob)
    conv3 = slim.conv2d(drop2, 64, [3, 3], 1)
    pool3 = slim.max_pool2d(conv3, [2, 2], 2, padding='SAME')
    drop3 = slim.dropout(pool3, keep_prob=keep_prob)
    flatten = slim.flatten(drop3)
    dense1 = slim.fully_connected(flatten, 1024)
    drop4 = slim.dropout(dense1, keep_prob=keep_prob)
    out = slim.fully_connected(drop4, MAX_CAPTCHA*CHAR_SET_LEN, activation_fn=None)
return out

贴上代码，其它都一样，但是训练时初始的loss超级大，@luyishisi能帮忙分析一下吗？

shisi.eth 你好，
看了你的文章，【解读】以太坊上海升级即将激活的四个EIP
在看eip-3651时对比官网：https://eips.ethereum.org/EIPS/eip-3651
我觉得：

• 在EIP-3651之前，更激励用ETH的支付方式
• 在EIP-3651之后，更激励用ERC20的支付方式

这个结论是不是有问题啊？

我看原文中的描述为：这种mismatch，(也就是在coinbase地址冷的时候，access coinbase会消耗更多的gas) 会激励出来ETH之外的其他ERC-20代币进行支付。
如果升级该EIP，就不会导致这种激励了吧？