Hearthougan-CSDN博客

转载隐马尔科夫模型HMM自学

崔晓源翻译我们通常都习惯寻找一个事物在一段时间里的变化规律。在很多领域我们都希望找到这个规律，比如计算机中的指令顺序，句子中的词顺序和语音中的词顺序等等。一个最适用的例子就是天气的预测。首先，本文会介绍声称概率模式的系统，用来预测天气的变化然后，我们会分析这样一个系统，我们希望预测的状态是隐藏在表象之后的，并不是我们观察到的现象。比如，我们会根据观察到的植物海藻的表象来预

2017-06-20 15:27:24 779

本文首先简单介绍CNN的结构，并不作详细介绍，若需要了解推荐看CS231n课程笔记翻译：卷积神经网络笔记。本文只要讲解CNN的反向传播，CNN的反向传播，其实并不是大多所说的和全连接的BP类似，CNN的全连接部分的BP是与它相同，但是CNN中卷积--池化、池化--卷积部分的BP是不一样的，仔细推导，还是有很多细节地方需要思考的，比如1、在前向传播的过程中，卷积层的输入，是通过卷积核与前一层的输出特

2017-06-08 10:44:25 17277 20

原创人工神经网络

一、神经网络的模型：图1 两层全连接神经网络模型这个是一个带有两个全连接层的神经网络，神经网络，一般不把输入层算在层数之中。1、神经元：图2 神经元的数学模型从单个神经元来看，每个神经元可以看做是一个感知机，可以用来做决策，从图中可以看出，根据输入的线性组合，经过函数f来预测，比如Sigmoid函数，当输出值大于0.5的时候可以判定为正类，当输出

2017-05-24 23:45:16 7475

原创 numpy.transpose()

numpy.transpose()是对矩阵按照所需的要求的转置，比较难理解，现以例子来说明：import numpy as npa = np.array(range(30)).reshape(2, 3, 5)print ("a = ")print (a)print "\n=====================\n"print ("a.transpose() = ")pr

2017-05-22 15:39:15 17424 7

原创线性分类器-KNN、多类SVM、Softmax

本文只是记录一下实现的代码，具体的思想还请看cs231n的课程笔记，其讲解的非常好，智能单元翻译的也很不错。一、CIFAR-10数据集:图1 CIFAR-10示例二、KNN图2 KNN分类器示例如图所示，K的取值不同得出来的分类结果也可能是不同的，因此需要对k进行寻参，找出在训练机上最好的k，来进行测试。求两幅图片的相似性，KNN使用的是距离度量，但

2017-05-11 16:22:52 2849 1

原创 python nditer---迭代数组

迭代对象nditer提供了一种灵活访问一个或者多个数组的方式。单个数组的迭代（Single Array Iteration）：迭代器最基本的任务的可以完成对数组元素的访问，迭代器接口可以一个接一个地提供的每一个元素。例如：a = np.arange(6).reshape(2, 3)for x in np.nditer(a): print x, " "0 1 2 3

2017-05-06 20:47:23 8845 1

原创 numpy.random

1、numpy.random.rand(d0, d1, ....dn): 生成指定形状的数组，其元素值是在均匀分布[0, 1]之间随机生成，其中d0, ...dn表示的是数组的大小，如果不指定大小，默认返回一个随机数值。数组默认的返回类型是float.例如：w0 = np.random.rand()print w0, "\n"w00 = np.random.rand(2,

2017-05-06 19:05:15 714

原创 Python 爬虫笔记（2）

我们如何使用Python而不是浏览器，利用有道翻译，来翻译文本？我们首先打开有道，右键，点击“检查”,或者“审查元素”，我们可以看到网页的源代码，如图1所示：我们点击network，如图2：找到translate？....如图3，然后点击：然后在点击preview，如图4，我们可以看到我们要翻译的语句，和翻译的结果。我

2017-03-30 00:03:38 881

原创 Python 爬虫笔记（1）

import urllib.request访问网址，打开网页，方法：urllib.request.urlopen(url,data=None, [timeout, ]*, cafile=None, capath=None,cadefault=False, context=None)其中url,可以是一个字符串string（也就是网址），也可以是一个Request对象

2017-03-29 23:41:47 805

原创 Python 画二维和三维散点同心圆

我们利用Python先画二维的散点圆：我们的圆上的点，采取圆的参数方程来取。我们根据取theta的步长来决定圆上的散点的松散度。import numpy as npimport matplotlib.pyplot as pltr = 1.0a, b = (0., 0.)theta = np.arange(0, 2*np.pi, 0.3)x = a + r * np.cos

2017-03-29 23:13:03 4923

原创开关电灯（济南联通面试题）

今天有个同学面试联通问了我一个面试题，貌似这个题当过很多面试题，不难，随手记录一下吧。题目描述：有N个灯放在一起，从1到N依次顺序编号，有N个人也从1到N依次编号。1号将灯全部熄灭，2号将，凡是2的倍数的灯打开；3号将凡是3的倍数的灯作相反处理（该灯如为打开，则将他关闭；如果关闭，则将它打开）。以后的人都和3号一样，将凡是自己编号倍数的灯作相反处理。编程实现：第N个人操作后

2017-03-16 22:48:27 826

原创支持向量机(SVM)（四）----SMO

我们前几节说了线性可分，以及在低维线性不可分，但是在高维是线性可分的。还有一种情况，如下图：这种因奇异点而造成的划分平面不合理的移动，不是我们所想的，或者因为个别奇异点导致线性不可分，其余的大部分的点都是线性可分的，如果因此就映射到高维来解决，那么也不值当，如下的情况：这些情况因为outliers而造成了线性不可分，或者导致划分超平面不是很明确。同样为了降

2017-03-07 01:07:02 1413

原创支持向量机（SVM）（三）----核函数及正则化

上一节最后我们说到我们根据求得的，可求得，，然后求出决策函数，但是我们知道：是的函数，我们也许不必把带入上式来求解，我们直接把上式带入决策函数可有：假如我们已经求得最优的，在作出预测的时候，我们可以只进行输入数据x与训练样本的内积即可。在转化为对偶条件的时候，我们知道要满足KKT条件，KKT条件中有一个是：其中：由此可以

2017-03-07 01:06:16 7450

原创支持向量机（SVM）（二）----对偶

============================================== 本文根据Andrew NG的课程来梳理一下svm的思路。如有错误，欢迎指正。============================================== 上小节，我们说到如何求该凸优化问题，高数中我们学过，可以利用拉格朗日乘子法，来求解有约束的问题。原问题为

2017-03-07 01:04:28 939

原创支持向量机（SVM）（一）----介绍SVM

========================================= 本文根据Andrew NG的课程来梳理一下svm的思路。如有错误，欢迎指正。============================================== 支持向量机(Support Vector Machine，SVM)是一个有监督的学习模型，通常用来进行模式识别、分类以及回

2017-03-07 01:01:23 956

原创 KNN算法及其实现

K-邻近算法（k-NearestNeighbor，KNN），存在某一样本集，已经知道样本和对应的类别，当输入一个没有类别标识的数据时，找出与其“最相似”的K个样本，在这k个样本中，哪个类别的样本个数最多，我们就把该未知数据的类别归为此类。其中的相似性，可以利用距离来度量，而衡量距离的方法，可以是欧氏距离，闵可夫斯基距离，曼哈顿距离等等。 KNN算法步骤： 1，与处理数据

2017-03-04 22:55:20 1868

转载 python sort、sorted高级排序技巧

这篇文章主要介绍了python sort、sorted高级排序技巧,本文讲解了基础排序、升序和降序、排序的稳定性和复杂排序、cmp函数排序法等内容,需要的朋友可以参考下Python list内置sort()方法用来排序，也可以用python内置的全局sorted()方法来对可迭代的序列排序生成新的序列。1）排序基础简单的升序排序是非常容易的。只需要调用s

2017-03-04 22:42:23 771

原创主成分分析（PCA）

当我们研究某个问题的时候，该问题有很多个变量，而且某些变量与变量之间存在一定的相关关系，如果两个变量存在相关关系，那么这两个变量之间存在着重叠信息，而这就造成了数据的冗余。比如一群学生，Boy和Girl，他们的性别我们可以用二维数组来表示，对于某个学生，Boy 可表示成：[1][0]，Girl可表示为[0][1]，其实不必，我们可以用一维数组来表示，男生为1，女孩为0。我们为了除去一组变量的相关性

2017-03-03 22:55:52 704

原创反向传播算法（BackPropagation，BP）

本文参考《神经网络和深度学习》，旨在说明BP算法是怎样的一个过程。在一个多层的神经网络中，反向传播算法就是不断的学习这个网络的权值和偏值，采用梯度下降法使得该神经网络的输出值与真实的目标值之间的误差最小。 1，那么为什么更新权值和偏值可以使得代价函数最小化呢？ 2，以及如何更新权值和偏值呢？由于该算法使用了很多的符号，这里需要解释一下各个符号的意义。表示第层的第k个神经

2017-02-20 11:45:00 8687 1

转载什么是P问题、NP问题和NPC问题

这或许是众多OIer最大的误区之一。你会经常看到网上出现“这怎么做，这不是NP问题吗”、“这个只有搜了，这已经被证明是NP问题了”之类的话。你要知道，大多数人此时所说的NP问题其实都是指的NPC问题。他们没有搞清楚NP问题和NPC问题的概念。NP问题并不是那种“只有搜才行”的问题，NPC问题才是。好，行了，基本上这个误解已经被澄清了。下面的内容都是在讲什么是P问题，什么是NP问题，什么是N

2017-01-10 20:42:33 626

原创动态规划之详细分析0-1背包问题

题目：有 N 件物品和一个容量为 V 的背包。第 i 件物品的费用是 w[i]，价值是 p[i]。求解将哪些物品装入背包可使这些物品的费用总和不超过背包容量，且价值总和最大。本文按照动态规划的标准模式解析：http://blog.csdn.net/hearthougan/article/details/53749841 0-1背包问题，表示的是每个物品只有一件，每件物品不能分割...

2016-12-26 01:50:32 35483 14

原创动态规划总结

动态规划（Dynamic Programming， DP）思想启发于分治算法的思想，也是将复杂问题化解若干子问题，先求解小问题，再根据小问题的解得到原问题的解。但是DP与分治算法不同的是，DP分解的若干子问题，往往是互相不独立的，这时如果用分治算法求解，那么会对重叠子问题重复进行求解，从而使得浪费大量的时间。那么如果我们保存已经计算过的子问题的解，这样当再次计算该子问题时，可以直接使用，这样可...

2016-12-20 04:00:18 7656

原创 Logistic Regression-逻辑回归

logistic回归分类的主要思想：根据现有的数据对分类边界线建立回归公式，以此分类，这里“回归”源于最佳拟合，表示要找到最佳拟合参数集。训练分类器时就是寻找最佳拟合参数。 Sigmoid函数： Sigmoid函数的输入记为z,且,向量W就是我们要寻找的参数，向量X是分类器的输入数据。为了实现logistic回归分类器，我们可以在每个特征上乘以一个回归系数W，再把所有的相乘

2016-11-06 21:10:55 1096 3

原创极大似然估计

首先看两个例子：例1:天上有乌云，问那么下雨的概率是多少？这是一个条件概率，也称为后验概率；如果现在正在下雨，那么天上有乌云的概率是多少？这就是似然，由结果去找原因。例2：有两个人去打一只正在吃草的鹿，一个是猎手，另一个是菜鸟，砰一声，鹿死了，那么谁最有可能打死这只鹿？这就是极大似然估计（MLE），找出导致这个结果的最有可能的原因。最大似然估计（Maximun Like...

2016-11-06 12:10:18 1066

原创 ID3decision tree-ID3决策树实现

创建简单的数据集：根据下图创建数据集：图表的意思是：表中5个海洋动物，特征包括两个：1、不浮出水面是否可以生存，2、是否有脚蹼。我们可以将这些动物分成两类：鱼类和非鱼类。#create data set and lebelsdef CreateDataset(): dataset = [[1, 1, 'yes'], [1, 1,

2016-11-03 14:12:14 1580

原创 K-Means聚类算法原理及实现

由于个人理解有限，难免有错误之处，欢迎指正。k-means 聚类算法原理： 1、从包含多个数据点的数据集 D 中随机取 k 个点，作为 k 个簇的各自的中心。 2、分别计算剩下的点到 k 个簇中心的相异度，将这些元素分别划归到相异度最低的簇。两个点之间的相异度大小采用欧氏距离公式衡量，对于两个点 T0(x1,y2)和 T1(x2,y2)，T0 和 T1 之间的欧氏距离为

2016-10-26 11:54:49 10660

原创 Python基础语法笔记--xrange()与range()的区别、map、filter、reduce分析、lambda表达式

xrange与range的区别在for循环中使用xrange与range函数，利用help函数，查的他们的用法如下：range:range(...) range(stop) -> list of integers range(start, stop[, step]) -> list of integers Return a list containin

2016-10-13 12:44:13 1206

转载 Google 开源项目风格指南--C++ 风格指南

文档转自：http://zh-google-styleguide.readthedocs.io/en/latest/google-cpp-styleguide/naming/6. 命名约定最重要的一致性规则是命名管理. 命名风格快速获知名字代表是什么东东: 类型? 变量? 函数? 常量? 宏 ... ? 甚至不需要去查找类型声明. 我们大脑中的模式匹配引擎可以非常可靠的处理这些

2016-09-13 15:25:19 697

转载 vs debug 调试快捷键

F1:在线帮助Ctrl+F:查找与替换F3: 查找下一个Shift+F3: 查找上一个F4:属性Ctrl+F4:关闭当前窗体F6: 生成解决方案Ctrl+F6: 生成当前项目F7: 查看代码Shift+F7: 查看窗体设计器F5: 启动调试Ctrl+F5: 开始执行(不调试)Shift+F5: 停止调试Ctrl+Shift+F5: 重

2016-08-05 11:17:49 3010 1

原创 Windows下PING程序实现

跟着网上的代码试着敲了一遍，熟悉Ping的过程。Ping.h//Ping.h//Define the header of IP and ICMP#pragma pack(1)#define ICMP_ECHOREPLY 0#define ICMP_ECHOREQ 8typedef struct tagIPHDR//the header of IP{ u_char VIHL;

2016-06-12 14:33:24 3734 2

原创端到端可用带宽变化范围估计

论文出处：http://download.csdn.net/detail/hearthougan/9504057 以往测量可用带宽只是估计平均可用带宽，却忽略了这种度量方式在不同时间范围内的会有显著的变化。而该算法思想展示了如何在用户规定的时间范围内估计某一可用带宽的分布。如果两个估计的可用带宽所占的百分比覆盖了大部分的分布（例如10％至90％），那么用户可以得到可用带宽变化范围的有效估计

2016-06-12 14:13:28 1477

转载 TCP、UDP、IP 协议分析

互连网早期的时候，主机间的互连使用的是NCP协议。这种协议本身有很多缺陷，如:不能互连不同的主机，不能互连不同的操作系统，没有纠错功能。为了改善这种缺点，大牛弄出了TCP/IP协议。现在几乎所有的操作系统都实现了TCP/IP协议栈。TCP/IP协议栈主要分为四层:应用层、传输层、网络层、数据链路层,每层都有相应的协议，如下图所谓的协议就是双方进行数据传输的一种格

2016-05-24 14:07:52 821

转载 #if, #elif, #else, #endif 使用

有些程序在调试、兼容性、平台移植等情况下可能想要通过简单地设置一些参数就生成一个不同的软件，这当然可以通过变量设置，把所有可能用到的代码都写进去，在初始化时配置，但在不同的情况下可能只用到一部分代码，就没必要把所有的代码都写进去，就可以用条件编译，通过预编译指令设置编译条件，在不同的需要时编译不同的代码。（一）条件编译方法　条件编译是通过预编译指令来实现的，主要方法有：1、#if, #

2016-05-18 13:33:37 1670

转载 std::string用法总结

在平常工作中经常用到了string类，本人记忆了不好用到了的时候经常要去查询。在网上摘抄一下总结一下，为以后的查询方便： string类的构造函数： string(const char *s); //用c字符串s初始化string(int n,char c); //用n个字符c初始化string类的字符操作： const char &operator[](int n)const;

2016-05-17 09:11:14 653

原创 HTTP报文

HTTP报文三个组成部分：对报文描述的起始行、包含属性的首部块、包含数据的主体（body）。HTTP规范中说明起始行和首部以CRLF表示终止。报文的语法：所有HTTP报文都可以分成两类：请求报文（request message）和响应报文（response message）。请求报文会向Web服务器请求一个动作，响应报文会将请求的结果返回给号客户端。请求报文和响应报文的基本报文

2016-05-04 17:00:43 3776

原创套接字原理----socket

运行在不同机器上的进程彼此通过向套接字发送报文来进行通信。每个进程好比是一座房子，进程的套接字就好比是一个门。套接字是应用进程和TCP之间的门，应用程序开发者可以控制套接字的应用层那一侧所有的东西，但是不能控制运输层那一侧。服务器为了能对客户机程序发起连接作出响应，应满足：第一、服务器程序不能处于休眠状态；第二、服务器程序必须有某种套接字。socket通信流

2016-04-28 17:19:48 18295 2

原创网络层（1）

转发和选路路由器的主要作用：便是将数据报从入链路转发到出链路。网络层的作用是：将分组从一台发送主机移动到一台接收主机。为此需要两种重要的网络层功能：转发：将分组从一个输入链路接口转移到适当的输出链路接口的路由器本地动作。选路：分组从源到目的地时，决定端到端路径的网络范围的进程。每台路由器都具有一张转发表（forwarding table）：路由器通过检查到达分组首部

2016-04-25 17:38:01 6469

原创 TCP拥塞控制原理

TCP拥塞控制原理：TCP使用的是端到端的拥塞控制而不是网络辅助的拥塞控制，因为IP曾不想端系统提供显示的网络拥塞反馈。TCP采用的方法是让每一个发送方根据所感知到的网络拥塞的程度，来限制其能向连接发送流量的速率。这种方法有三个问题：一个TCP发送方是如何限制向连接发送流量的速率？一个TCP发送方是如何感知它到目的地之间的路径上存在拥塞的呢？

2016-04-24 00:16:46 10299 1

原创学习心得-------计算机网络基础（1）

从复试结束之后就忙于奔波，甚是乏累，从沈阳来到北京就忙于找工作，少于看书，昨天终于决定入职，入职之后，做的方向是网络质量检测，APM，应用性能管理，给我的产品说明，只是寥寥几个字，各种术语，百度网络质量的指标，一顿云里雾里，看的一头雾水，于是决定从新学习计算机网络，学习各种协议。先将昨天的知识贴下来：网络质量的指标，主要有以下几个：带宽(throughput)：网络的吞吐率，端

2016-04-21 17:37:18 3564 2

原创 hdu 2035 人见人爱A^B

题目来源：http://acm.hdu.edu.cn/showproblem.php?pid=2035人见人爱A^BTime Limit: 2000/1000 MS (Java/Others) Memory Limit: 65536/32768 K (Java/Others)Total Submission(s): 25435 Accepted Submission(s

2015-01-14 01:03:57 731

xshell+xftp免费版

之前上传的那个xshell+xftp没办法使用了，所以又重新上传了一个，亲测可用

2019-01-12

图像的风格迁移

风格迁移示例，仅作为学习下载，有需要的请自行下载。

2018-12-18

keras2.0中文文档高清带书签.pdf

最新keras2.0中文文档，高清，带书签，有需要的自行下载。

2018-12-08

从Word Embedding到Bert模型—自然语言处理中的预训练技术发展史

从Word Embedding到Bert模型—自然语言处理中的预训练技术发展史，用于资料备份，便与查阅。

2018-11-19

word2vec系列资料

仅用于资料备份，便与查阅。 word2vec 中的数学原理详解.pdf Word2Vec-语言模型的前世今生PDF word2vec Parameter Learning Explained.pdf

2018-11-19

word2vec 中的数学原理详解

PDF出处：https://blog.csdn.net/itplus/article/details/37969519，本着查阅方便，无法设置免积分下载，有需要的请自行下载

2018-11-01

CRF++0.58-Linux+Windows

CRF++0.58-Linux+Windows，里面包含了Linux版CRF++-0.58.tar.gz，和Windows版CRF++-0.58.rar，这两个版本本，亲自测试可用，有需要请自行下载。

2018-09-29

npp++32位+NPPTextFx.dll

npp++ 32位，从官网下载的，因为处理文本需要，TextFx插件，但是这个插件只支持32位的。该压缩包包含： npp++ 32位 PluginManager TextFX.v0.26.unicode.bin

2018-09-27

李航-《统计学习方法》高清完整版（带书签）

之前积分被修改的太高了，重新传一次吧，《统计学习方法》是计算机及其应用领域的一门重要的学科。《统计学习方法》全面系统地介绍了统计学习的主要方法，特别是监督学习方法，包括感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与最大熵模型、支持向量机、提升方法、EM算法、隐马尔可夫模型和条件随机场等。除第1章概论和最后一章总结外，每章介绍一种方法。叙述从具体问题或实例入手，由浅入深，阐明思路，给出必要的数学推导，便于读者掌握统计学习方法的实质，学会运用。为满足读者进一步学习的需要，书中还介绍了一些相关研究，给出了少量习题，列出了主要参考文献。

2018-09-17

中文同义词词库-同义词词库-access版本

中文同义词词库-同义词词库-access版本有需要的请自行下载

2018-09-15

自用xshell软件

XshellXftpPortable 备份一份软件，以供以后使用方便。

2018-09-03

LDA数学八卦-带书签

讲解LDA模型，相当经典的文档，里面的数学推理严谨。自制书签，方便查阅。有需要的自行下载。

2018-08-30

数论概论第三版（中文）

《数论概论》是2008年机械工业出版社出版的图书，作者是JosephH.Silverman。本书介绍了有关数论大量的知识，以及数论的一般方法和应用等.

2018-08-29

Stanford NLP note - Christopher Manning教授-完整吧

之前的少了几章，这个是完整版。授课老师是大名鼎鼎的Christopher Manning教授，他是两本书的第一作者：一本是《统计自然语言处理基础》（Foundations of Statistical Natural Language Processing），另一本是《信息检索导论》（Introduction to Information Retrieval），都是相应领域的入门经典。

2018-08-08

Stanford NLP note - Christopher Manning教授

授课老师是大名鼎鼎的Christopher Manning教授，他是两本书的第一作者：一本是《统计自然语言处理基础》（Foundations of Statistical Natural Language Processing），另一本是《信息检索导论》（Introduction to Information Retrieval），都是相应领域的入门经典。

2018-08-08

21天学通Java-第7版-超清带书签.pdf

《21天学通Java》是超清晰版本，带书签，压缩包内还有一个第6版，有需要的请自行下载。《21天学通Java:20小时多媒体语音视频教学》是Java语言的入门教程，由浅入深，循序渐进地讲授如何使用Java语言进行程序开发。全书内容包括Java开发环境、Java基本语法知识、Java面向对象特点、Java界面开发，以及Java数据库开发和网络编程开发。为了便于读者学习，《21天学通Java》最后一章对一个完整学生管理系统进行了分析。具体讲解了学生模块和老师模块，以及其他各个模块的功能分析。《21天学通Java》旨在为Java语言的初学者和大中专学生提供易于入门，便于全面了解和掌握Java编程技术的教辅资料，同时对有一定经验的Java编程者和学习者也有一定的参考价值。《21天学通Java》附赠DVD光盘1张，内容包括超大容量手把手视频、电子教案（PPT）、编程参考宝典电子书、源代码及各章习题答案。

2018-07-27

计算机统计自然语言处理PDF

哈工大关毅老师主编的教材，pdf，我自己简答插了书签，有需要的请自行下载。本书分为基础、原理和应用3个篇章。基础篇论述了自然语言处理技术的数学基础和中文语言处理特有的自动分词技术; 原理篇论述了基于统计和基于语言学规则的语言处理技术的基本原理; 应用篇论述了在音字转换、自动文摘、信息检索、手写体识别等应用领域中的实用语言处理方法。

2018-07-26

统计自然语言处理基础PDF（中英文-带书签）

统计自然语言处理基础PDF，包含中英文两版，带书签。统计自然语言处理第二版宗成庆。有需要的请自行下载。

2018-07-25

pytorch+cuda9.0

torch-0.3.0.post4-cp27-cp27mu-linux_x86_64.whl 官网总是打不开，再次备份一份，有需要的请自行下载

2018-04-10

Tensorflow 实战Google深度学习框架-清晰-带书签

TensorFlow是谷歌2015年开源的主流深度学习框架，目前已在谷歌、优步（Uber）、京东、小米等科技公司广泛应用。《Tensorflow实战》为使用TensorFlow深度学习框架的入门参考书，旨在帮助读者以最快、最有效的方式上手TensorFlow和深度学习。书中省略了深度学习繁琐的数学模型推导，从实际应用问题出发，通过具体的TensorFlow样例程序介绍如何使用深度学习解决这些问题。《Tensorflow实战》包含了深度学习的入门知识和大量实践经验，是走进这个最新、最火的人工智能领域的首选参考书。

2018-01-17

TensorFlow Machine Learning Cookbook.pdf

Explore machine learning concepts using the latest numerical computing library — TensorFlow — with the help of this comprehensive cookbook About This Book Your quick guide to implementing TensorFlow in your day-to-day machine learning activities Learn advanced techniques that bring more accuracy and speed to machine learning Upgrade your knowledge to the second generation of machine learning with this guide on TensorFlow Who This Book Is For This book is ideal for data scientists who are familiar with C++ or Python and perform machine learning activities on a day-to-day basis. Intermediate and advanced machine learning implementers who need a quick guide they can easily navigate will find it useful. What You Will Learn Become familiar with the basics of the TensorFlow machine learning library Get to know Linear Regression techniques with TensorFlow Learn SVMs with hands-on recipes Implement neural networks and improve predictions Apply NLP and sentiment analysis to your data Master CNN and RNN through practical recipes Take TensorFlow into production In Detail TensorFlow is an open source software library for Machine Intelligence. The independent recipes in this book will teach you how to use TensorFlow for complex data computations and will let you dig deeper and gain more insights into your data than ever before. You’ll work through recipes on training models, model evaluation, sentiment analysis, regression analysis, clustering analysis, artificial neural networks, and deep learning – each using Google’s machine learning library TensorFlow. This guide starts with the fundamentals of the TensorFlow library which includes variables, matrices, and various data sources. Moving ahead, you will get hands-on experience with Linear Regression techniques with TensorFlow. The next chapters cover important high-level concepts such as neural networks, CNN, RNN, and NLP. Once you are familiar and comfortable with the TensorFlow ecosystem, the last chapter will show you how to take it to production. Style and approach This book takes a recipe-based approach where every topic is explicated with the help of a real-world example.

2018-01-17

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

xshell+xftp免费版

图像的风格迁移

keras2.0中文文档 高清 带书签.pdf

从Word Embedding到Bert模型—自然语言处理中的预训练技术发展史

word2vec系列资料

word2vec 中的数学原理详解

CRF++0.58-Linux+Windows

npp++32位+NPPTextFx.dll

李航-《统计学习方法》高清完整版（带书签）

中文同义词词库-同义词词库-access版本

自用xshell软件

LDA数学八卦-带书签

数论概论 第三版（中文）

Stanford NLP note - Christopher Manning教授-完整吧

Stanford NLP note - Christopher Manning教授

21天学通Java-第7版-超清带书签.pdf

计算机统计自然语言处理PDF

统计自然语言处理基础PDF（中英文-带书签）

pytorch+cuda9.0

Tensorflow 实战Google深度学习框架-清晰-带书签

TensorFlow Machine Learning Cookbook.pdf

Automatic Speech Recognition A Deep Learning Approach

最大熵模型与自然语言处理

Baum-Welch

Deep Learning for Hybrid Unit Selection Synthesis - Apple

google-chrome-stable_current_amd64.deb

Speech_Synthesis_Paul_Taylor.pdf

cudnn 5.1 for CUDA 8.0 Linux

Speech_Synthesis_Paul_Taylor

TensorFlow 官方文档中文版 - v1.2

matplotlib tutorial-(原版）

matplotlib tutorial（译）

机器学习.算法原理与编程实践+代码

鱼c小甲鱼零基础学python全套课后题

Scikit-learn 使用手册中文高清完整版.pdf

scikit-learn.user_guide

Mastering Machine Learning With scikit-learn(中文版)

李宏毅 一天搞懂深度学习.ppt版下载

Neural Network and Deep Learning--神经网络与深度学习--中文 高清完整.pdf版下载

算法导论第三版答案（完整版）

空空如也

keras2.0中文文档高清带书签.pdf

数论概论第三版（中文）

李宏毅一天搞懂深度学习.ppt版下载

Neural Network and Deep Learning--神经网络与深度学习--中文高清完整.pdf版下载