- 博客(11)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 python的virtualenv虚拟环境与使用
virtualenv用于创建独立的Python环境，多个Python相互独立，互不影响，它能够： 1. 在没有权限的情况下安装新套件; 2. 不同应用可以使用不同的套件版本; 3. 套件升级不影响其他应用;（1）pip安装virtualenv$ pip install virtualenv（2）创建目录、进入目录$ mkdir testVirtualenv$ cd testVirtualen
2016-12-30 23:39:43
1997
原创 Android Service完全解析（Service，IntentService）
1.概述 Service是Android中实现程序后台运行的解决方案，适合去执行不需要和用户交互还要求长期运行的任务，注意 ，Service默认并不会运行在子线程中，它也不运行在一个独立线程中，它同样执行在UI线程中，因此不要在Service中执行耗时的操作，除非在Service中创建子线程来完成耗时操作。2.普通Service（1）startService() A start
2016-12-29 21:58:56
604
原创 Activity的四种启动模式和应用场景
1.standard(标准启动模式) 这是Activity的标准启动模式，也是Activity的默认启动模式。在这个模式下启动的Activity可以被多次实例化，即在同一个任务栈中可以存在多个Activity实例，每个实例都会处理一个Intent对象。如果ActivityA的启动模式为standard，并且有一个ActivityA被启动，在该ActivityA中调用startActivi
2016-12-29 20:05:27
877
原创 DBN（深度置信网络）解析
我在上篇文章介绍了RBM（受限玻尔兹曼机），本篇文章需要RBM的先验知识，不了解的可以去看看，了解了继续往下看。1.DBN结构 DBN： 将RBM像砖块一样叠加起来构建的一个网络。DBN训练方法： 第 1 步：（预训练） 分别单独无监督地训练每一层 RBM 网络,确保特征向量映射到不同特征空间时,都尽可能多地保留特征信息;（H0可以看作H1的可见层）第 2 步：（微调） 在 DBN
2016-12-14 22:42:01
17404
1
原创 RBM(受限玻尔兹曼机)解析
1.RBM结构RBM包括隐层、可见层和偏置层。与前馈神经网络不一样，RBM在可见层和隐层间的链接方向不定的（值可以双向传播，隐层—>可见层和可见层—>隐层）和完全链接的。 Boltzmann分布：描述理想气体在受保守外力作用、或保守外力场的作用不可忽略时，处于热平衡态下的气体分子按能量的分布规律，它能够代表平衡系统中的一切分布。如上二部图所示，每一层的节点之间没有链接，一层是可见层，及输入层（
2016-12-14 22:11:42
17052
原创 python 去除空格和换行符
1.去除空格 " xyz ".strip() # returns "xyz" " xyz ".lstrip() # returns "xyz " " xyz ".rstrip() # returns " xyz" " x y z ".replace(' ', '') # returns "xyz"2
2016-12-10 14:41:01
17934
原创 pip --upgrade更新过期的python库
1.列出所有安装的库 pip list 2.列出所有的过期库 pip install –outdated3.pip更新过期库 pip install –upgrade 库名4.更新pip python -m pip install -U pip注意：如果报错，权限不够，在命令前加：sudo
2016-12-08 13:31:06
829
原创 Tensorflow保存和读取模型
1.概述将深度学习应用到工业领域实时处理数据时，我们需要训练好的模型实时计算，那就需要保存和读取模型，tensorflow目前提供了这方面的初步工作。因为tensorflow只能保存变量而不是保存整个网络，所以在提取模型时，我们还需要重新第一网络结构。2.代码演示（1）保存import tensorflow as tfimport numpy as np#保存时dtype类型要一致，一般使用fl
2016-12-04 15:58:01
2186
原创 Tensorflow实现稀疏自动编码（SAE）
1.概述人在获取图像时，并不是像计算机逐个像素去读，一般是扫一眼物体，大致能得到需要的信息，如形状，颜色，特征。怎么让机器也有这项能力呢，稀疏编码来了。定义： 稀疏自编码器（Sparse Autoencoder）可以自动从无标注数据中学习特征，可以给出比原始数据更好的特征描述。在实际运用时可以用稀疏编码器发现的特征取代原始数据，这样往往能带来更好的结果。上图就是稀疏编码的一半流程，清晰的说明了
2016-12-04 11:59:12
9414
10
原创 Tensorflow实现softmax回归
1.概述Logistic回归只能解决二分类问题，而在实际生活中的问题一般是多分类问题。如：mnist手写数字，需要分类10类数字？而softmax就是解决多分类问题。softmax的理论请查看： 斯坦福大学的中文介绍文档2.代码实现首先要导入mnist数据，地址是： https://github.com/tensorflow/tensorflow/blob/master/tensorflow/
2016-12-03 21:50:35
1316
原创 Tensorflow实现卷积神经网络
1.概述定义： 卷积神经网络（Convolutional Neural Network,CNN）是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，对于大型图像处理有出色表现。它包括卷积层(alternating convolutional layer)和池层(pooling layer)。卷积层（convolutional layer）： 对输入数据应用若干过滤器，一个
2016-12-03 16:47:49
2032
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人