- 博客(19)
- 资源 (1)
- 收藏
- 关注
原创 Python基础、函数及其相关函数库(Numpy、TensorFlow)常用函数集锦(更新中,更新日期:2017-08-03)
更新记录:2017-07-092017-07-122017-07-13Python函数参考资料: 1.Python基础教程 2.Python学习与分享平台 3.Python 3.6.2rc2 documentationlen>>>n=len([1,2,3,4,5,6]);n6>>>n=len([(1,2),(3,4),(5,6)]);n3>>>n=len(1,2,3,4,5,6)T
2017-06-09 14:23:38 943
原创 Python实现深度学习之-神经网络识别手写数字(更新中,更新日期:2017-07-12)
更新日期:2017-07-112017-07-120.神经网络的架构构成任意一个神经网络的四个要素: 层数(num_layers)、大小(sizes)、偏置(biases)、权重(weights)。 说明:在下图中,大小(sizes)为[2,3,1] 1.神经网络Network对象的初始化前后层之间的关系如下式: (1)分析隐藏层:第1
2017-06-06 22:25:33 2602
原创 机器学习之-最邻近算法(Nearest Neighbor)
1.理论基础测试图片(test image)与训练图片(training image)每个对应相同位置像素值之差的绝对值,然后求和。具体如下图所示: 待续
2017-06-27 21:56:54 5976
原创 CS231n: Convolutional Neural Networks for Visual Recognition Spring 2017学习记录(更新中)
1.Lecture 1: Introduction时间:2017/06/272.Lecture 2: Image Classification pipeline要点: 1)本课程探讨的核心问题是用机器学习的算法解决图像分类(Image Classification)问题,图像分类是计算机视觉的核心问题; 2)图像分类的难点:视角变化(Viewpoint variation)、照明(lllumin
2017-06-27 19:47:45 469
原创 win10下Visual Studio2015+cuda8.0+cudnn v5.1+Anaconda4.4.0+tensorflow+Keras+Pycharm+OpenCV3.2.0安装教程
1.Visual Studio2015默认安装2.cuda8.0默认安装 注意:不需要手动设置环境变量3.cudnn v5.1解压该文件夹,将文件夹lib、include和bin里的文件分别复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0里相对应的lib、include和bin文件夹下,安装成功!4.tensorflowpip
2017-06-27 11:39:45 2561
原创 TensorFlow入门程序-线性回归
1.算法理论机器学习之1-单变量线性回归(Linear Regression with One Variable) 2.代码import numpy as npimport tensorflow as tf# Model parametersW=tf.Variable([.3],dtype=tf.float32)b=tf.Variable([-.3],dtype=tf.float32)# Mo
2017-06-19 21:59:17 566
原创 Ubuntu16.04安装TensorFlow教程
1.设置环境变量将下面代码放入~/.bashrc文件并保存。export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64"export CUDA_HOME=/usr/local/cuda执行:source ~/.bashrc2.安装具有GPU功能的tensorflo
2017-06-17 14:39:40 712
原创 Ubuntu16.04中cuDNN安装教程
1.下载cuDNN5.1 CUDA8.0 Linux版本2.解压gzip -d cudnn-8.0-linux-x64-v5.1.tgztar xf cudnn-8.0-linux-x64-v5.1.tar3.复制sudo cp cuda/include/cudnn.h /usr/local/cuda/includesudo cp -a cuda/lib64/libcudnn* /usr/lo
2017-06-17 09:42:08 7112
原创 Python中类的定义与调用
#!/usr/bin/pythonimport numpy as np'''define'''class Network: def __init__(self,sizes): self.num_layers=len(sizes) self.sizes=sizes self.biases=[np.random.randn(y,1) for y
2017-06-13 13:56:30 1820
原创 利用Pycharm断点调试Python程序
1.代码准备没有语法错误的Python程序:#!/usr/bin/pythonimport numpy as npclass Network: def __init__(self,sizes): self.num_layers=len(sizes) self.sizes=sizes self.biases=[np.random.randn(y
2017-06-13 11:10:24 12785
原创 Ubuntu16.04下利用Pycharm和Anaconda搭建Python IDE(集成开发环境)
1.Anaconda安装下载:清华大学的Anaconda2-4.4.0-Linux-x86_64 建议下载anaconda2的版本 下载完成后,直接运行bash ./Ana*.sh即可,按照终端中提示的内容进行默认设置安装2.Pycharm安装下载:Pycharm社区版 安装:$ cd Downloads/$ tar xfz pycharm-*.tar.gz$ cd pych
2017-06-12 16:36:29 3221
原创 Python中列表、元组、元组的列表和NumPy中数组、数组的列表的比较
1.Python列表a=[1,2,3,4]a[0]=12.Python元组b=(1,2,3,4)b[0]=13.Python元组的列表c=[(1,2),(3,4)]c[0]=(1,2)c[0][0]=1说明:这里把(1,2)作为列表里的一个单位。4.NumPy数组一维数组:import numpy as npd=np.array([1,2,3,4])d[0]=1二维数组:import n
2017-06-09 09:03:04 10906
原创 机器学习教程之7-应用机器学习的建议(Advice for Applying Machine Learning)
0.概述1.决定下一步做什么关于机器学习,可以做两件事情,开发一个机器学习系统或者改进一个机器学习系统的性能。当发现训练好的模型预测数据时有较大误差,可以尝试如下几个角度以减少误差: (1)获取更多训练实例,这样做是有效的,但是代价太大,因而优先考虑下面的几种方法; (2)尝试减少或增加特征的数量; (3)尝试较少或增加正则化程度lamda。可以通过机器学习诊断法帮助我们选择哪种方法提高机器学
2017-06-03 20:55:35 610
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人