2017年12月_普通网友

12月 11月

原创 TensorFlow实例(5.3)--MNIST手写数字进阶算法(卷积神经网络CNN) 之最大池化tf.nn.max_pool

本文是MNIST手写数字进阶算法(卷积神经网络CNN)的扩展篇主要通过数据演算，理解卷积函数tf.nn.max_pool

2017-12-30 13:41:27 1451

原创 TensorFlow实例(5.2)--MNIST手写数字进阶算法(卷积神经网络CNN) 之卷积tf.nn.conv2d

本文是MNIST手写数字进阶算法(卷积神经网络CNN)的扩展篇主要通过数据演算，理解卷积函数tf.nn.conv2d

2017-12-30 13:36:51 772

原创 TensorFlow实例(5.1)--MNIST手写数字进阶算法(卷积神经网络CNN)

本文是用卷积神经网络来完成MNIST手写数字算法的详细说明，

2017-12-30 13:16:43 1120

原创 TensorFlow实例(4)--MNIST简介及手写数字分类算法

在Tensoflow提供的这个实例中，使用的是softmax 回归模型，归属于神经网络的一种算法，如果对具体的模型数理算法感兴趣可以上网找找，本文不做详细介绍这个模型计算MNIST最终的正确率大约在91%左右，并不是十分理想，但贵在简单，代码也不多做为TensorFlow的基础篇，目的并不是学习如果使用高深的模型，可是理解如何使用TensorFlow

2017-12-22 23:31:27 816

原创 tensorflow实例(3)--传入量的定义与使用

TensorFlow 还提供了传入量(feed) 机制可以在 run时直接插入一个参数值，这个值只有在调用它时有效,方法结束，传入量就会消失

2017-12-22 22:21:39 293

原创 TensorFlow的MNIST手写数字还原小程序

MNIST 是一个TensorFlow入门级的计算机视觉数据集，关于MNIST的介绍网上找找挺多的，本文只是写几行小程序还原其中的图像，

2017-12-22 21:51:39 433

原创 Visual studio + IIS环境下跨域项目，移动端可触发断点调试的WEB服务器布署

本文的所要解决的最终目的是：手机通过外网IP , 访问VS开发中的程序，Vs的断点有效，实现调试。

2017-12-21 22:41:11 752

原创 tensorflow实例(2)--机器学习初试

本示例代码，让你对将要学习tensorflow有初步的印象.整段代码其实相当于完成线性方程的求解，当然，这个求解过程，不是线性方程的求解方法，而是通机器学习的神经网络方法进行求解，

2017-12-16 12:10:15 621

本文仅通过numpy,演示神经网络的计算方法，其实神经网络的计算相当于完成线性方程的求解，当然，这个求解过程，不是线性方程的求解方法，而是通机器学习的神经网络方法进行求解，本文的目的仅仅只是讲解神经网络的计算方法与流程，离完善的代码还有很大的距离，你也可以使用如tensorflow等框架进行使用可以参考我的另一篇文章 tensorflow实例(2)--机器学习初试# -*- coding:utf...

2017-12-16 12:05:06 977 1

原创 tensorflow实例(1)--变量、常量的定义与使用

http://blog.csdn.net/carmelcarmen/article/details/78627600

2017-12-15 23:09:50 1234

原创 javascript(23行) 实现贪吃蛇

例中有两个script标签，第一个就是javascript程序，第二个是第一个复制后的说明 for (var i = 0; i ' var curDir = 1, foodid = '', moving = setTimeout(move, 200), a = document.onkeydown = function (e) { mov

2017-12-12 21:30:41 238

原创 javascript(30行)+css 实现七色俄罗斯方块的操控及代码实现的说明

javascript(30行)+css 实现七色俄罗斯方块的操控及代码实现的说明

2017-12-06 23:13:14 595

标准数据集的MNIST手写数字数据包，解压后使用

标准数据集的MNIST手写数字数据包，由训练、交叉验证、测试三个集合组成，请解压后使用

2018-02-23

机器学习-层次聚类(hierarchical clustering)

关于层次聚类(hierarchical clustering)的基本步骤： 1、假设每个样本为一类，计算每个类的距离，也就是相似度 2、把最近的两个合为一新类，这样类别数量就少了一个 3、重新新类与各个旧类(去了那两个合并的类)之间的相似度； 4、循环重复2和3直到所有样本点都归为一类这个计算的过程，相当于重构一个二叉树，只是这个过程，是从树叶-->树枝-->树干的构建过程本资源详细介绍层次聚类的算法

2018-02-01