luyishisi / tensorflow

十四君公众号文章的相关代码资源开源

1.原文：一文讲清-NFT市场新秀SudoSwap的AMM机制-创新挑战与局限
2.原文：抓完X2Y2十万NFT订单，分析版税可以不收后多少用户真这么做了？
3.原文：【合约解读】CryptoPunk 世界上最早的去中心化NFT交易市场
4.原文：一种转移并在Os拍卖不可转移灵魂绑定代币的方法
5.原文：NFT租赁提案EIP-5006步入最后审核！让海外大型游戏的链改成为可能
6.原文：【前沿解读】斯坦福研究员论文-以太坊可逆交易标准ERC20/721R的机制、创新与局限
7.原文:【解读合约审计】Harmony的跨链桥是如何被盗一亿美金的？
8.原文：【源码解读】以太坊新标准EIP-4907是怎样实现NFT租赁的？
9.原文：一文讲清-DeFI王者AAVE最新的稳定币GHO提案
10.原文：【解密】OpenSea免费创造的NFT都没上链竟能出现在我的钱包里？
11.原文：【源码解读】你买的NFT到底是什么？
12.原文：【源码解读】火爆的二舅币真的跑路了吗？
13.原文：【深入解读】FTX交易所免手续费漏洞致使被薅20W刀XEN的羊毛案
14.原文：EIP-5058 能否防止NFT项目方提桶跑路？
15.原文：当我们在看Etherscan的时候,到底在看什么?
16.原文：当奈飞的NFT忘记了web2的业务安全
17.原文：【解读】以太坊上海升级即将激活的四个EIP
18.原文：盘点五大Token标准，足以支持香港Web3发展试点吗？
19.原文：解读UniSwap NFT市场协议不仅仅是聚合器
20.原文：解读Dex中的无常损失:原理,机制,公式推导
21.原文：解读Nostr：抗审查的中心化社交协议
22.原文：解读最新Final的ERC-6147：极简的半强制性NFT产权分离标准
23.原文：以太坊账号抽象ERC4337的过审方案解读(上）
24.原文：体验Web3.Unity并回顾GameFi探索之路
25.原文：跨链赛道研报：LayerZero全链互操作协议凭什么估值30亿美金(上）
26.原文：解读比特币Oridinals协议与BRC20标准 原理创新与局限
27.原文：用一个小时讲清楚账号抽象这件事
28.原文：深入EVM-合约分类这件小事背后的风险
29.原文：NFT即钱包的ERC-6551 真有那么神奇吗？
30.原文：UniswapX研报(上)：总结V1-3发展链路，解读下一代 DEX的原理创新与挑战
31.原文：从UniSwapX和AA出发冷静看待意图为中心的落地挑战
32.原文：以太坊合并一年后的MEV格局

tensorflow's Issues

running into several errors when running it in python 3.5.2

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.

想要保存成.pb, output layer是什么？

能不能保存成.pb并把权重固化进去?
谢谢！

loss最后在0.0834上下浮动，accuracy也很小是大概什么原因？

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？

使用slim编写，loss变成了890347，吓人

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？

对于第一个cnn识别验证码的问题

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

为什么还要用python2.7

生成古诗词的是我的有问题吗

博客原来共享的98模型还能再共享下吗

博客原来共享的98模型还能再共享下吗

大概训练几条记录才能达到50%

你好，大概训练几条记录才能达到50%呢？

准确率设置为90%，验证出错

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

疑问【解读】以太坊上海升级即将激活的四个EIP

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？

对于第一个验证码识别问题

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