- 博客(6)
- 收藏
- 关注
原创 最大似然估计
最大似然估计似然函数最大似然估计离散型随机变量的最大似然估计连续型随机变量的最大似然估计数学期望离散型连续型参考似然函数最大似然估计离散型随机变量的最大似然估计连续型随机变量的最大似然估计数学期望随机变量包括离散型和连续型,数学期望的计算也分离散型和连续型。离散型连续型最小化KL散度等价于最大化似然函数参考知乎最大似然估计...
2020-10-28 15:32:18 2135
翻译 QuGANs中文版教程pennylane框架
Quantum Generative Adversarial Networks with Cirq + TensorFlowUsing Cirq + TensorFlow我们首先导入PennyLane, NumPy, and TensorFlow.import pennylane as qmlimport numpy as npimport tensorflow as tf我们定义3比特模拟器设备运行在Cirq上dev = qml.device('cirq.simulator', wires
2020-10-26 21:34:41 990 1
原创 scipy.sparse.csr_matrix
按行压缩矩阵(Compressed Sparse Row matrix)例子1:>>> from scipy.sparse import *>>> from scipy import *>>> csr_matrix( (3,4), dtype=int8 ).todense()matrix([[0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0]], dtype=int8)例子2:&
2020-09-29 17:35:10 261
翻译 GAN最优点
GAN最优点最优点证明过程补充知识点知识点1知识点2GAN是优化JS散度,但是在成本函数中看不出来最优点我们将在这里证明最优点:p = q判别器不能区分真实数据和假数据时 D∗(x)=1/2D^*(x)=1/2D∗(x)=1/2V∗(D,G)=−2log2V^*(D,G)=-2log2V∗(D,G)=−2log2证明过程如果固定G,更新判别器D∗D^*D∗是找到V的最优值(把D∗D^*D∗带入V)得到由上可知,V的最小值(最优点)是p=qp=qp=q(当DJS=0D_
2020-09-20 14:48:17 223
原创 randint(a,b)取值范围
randintrandom.randint(a,b)前闭后闭np.random.randint(a,b)前闭后开random.randint(a,b)前闭后闭在python中的random.randint(a,b)用于生成一个指定范围内的整数。其中参数a是下限,参数b是上限,生成的随机数n:[a,b]np.random.randint(a,b)前闭后开其中参数a是下限,参数b是上限,生成的随机数n: [a,b)b = np.random.randint(1,2**n)# 产生 1 到 2^n的一
2020-08-19 21:23:01 21010 3
原创 format 进制
format 进制转换#其中b o d x分别表示二、八、十、十六进制print('{:b}'.format(10))# 二进制print('{:o}'.format(10))# 八进制print('{:d}'.format(10))# 十进制print('{:x}'.format(10))# 十六进制print(format(10,'b'))# 10转化为二进制print(format(10,'o'))# 10转化为八进制print(format(10,'d'))# 10转化为十进制
2020-08-19 17:22:51 3303
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人