學習Java，比較重要的一個思想就是分析內存中程序執行的過程。 　　廢話不多說，我們首先要知道的是程序比如我們編寫的.java程序，存放的位置是在硬盤的某一個區域中，如果不執行這個程序，那么它就默默地存在，不起任何作用。當我們開始執行某一個程序時，程序首先要做的事就是把自己也就是代碼，全部 ...

每一次遞歸調用都將過程（精確地說是“變量”）在內存中復制一遍。一旦一個過程結束（會返回一些數據），這個過程在內存中的副本就被丟棄。遞歸看似簡單，但是可視化跟蹤執行過程就很花費時間。好了，讓我們來看下面的例子： 這個例子中我們假設調用Print函數是傳遞的參數n=4，內存分配的圖示 ...

一、前言 在深度學習模型訓練的過程中，常常需要實時監聽並可視化一些數據，如損失值loss，正確率acc等。在Tensorflow中，最常使用的工具非Tensorboard ...

　　　　　　　　JAVA對象在內存中實例化的過程 在講 Java 對象在內存中的實例化過程前，先來說下在類的實例化過程中，內存會使用到的三個區域：棧區、堆區、方法區。 堆區： 存儲的全部都是對象，每個對象包含了一個與之對應的 class 類的信息。 jvm 只有一個堆區(steap)，它會 ...

這個是暫時的效果，一個點是一個類或者全局函數。高度場暗示依賴關系，高度高的會依賴高度低的。 下面是代碼可視化的算法流程： 收集代碼元素的詞頻向量 詞頻向量的每一個元素是一個詞的出現次數，而一個代碼元素（類或函數）對應一個詞頻向量。詞語從類名、函數名、函數代碼之中 ...

一、前言 　　在深度學習模型訓練的過程中，常常需要實時監聽並可視化一些數據，如損失值loss，正確率acc等。在Tensorflow中，最常使用的工具非Tensorboard莫屬；在Pytorch中，也有類似的TensorboardX，但據說其在張量數據加載的效率方面不如visdom ...

在使用tf來訓練模型的時候，難免會出現中斷的情況。這時候自然就希望能夠將辛辛苦苦得到的中間參數保留下來，不然下次又要重新開始。 保存模型的方法： 將模型保存好以后，載入也比較方便。 使用tensorboard來使訓練過程可視化 tensorflow還提供了一個 ...

Tensorboard 可視化之訓練過程 上一篇涉及 Tensorboard 可視化的神經網絡圖層, 只是讓我們看清楚神經網絡的結構. 今天, 我們要借助 Tensorboard 來可視化訓練過程, 看看訓練的過程到底是多么坎坷艱難的. 基本步驟 * 制作輸入源 * 在 `layer ...