- 博客(120)
- 收藏
- 关注
RSS订阅原创 Python文件操作模块：glob
Python文件操作模块glob。glob.glob()函数返回所有匹配的文件路径列表。glob.iglob()函数获取一个迭代器（ iterator ）对象，使用它可以逐个获取匹配的文件路径名。
2020-07-08 14:17:29
642
原创 cv2.findContours()轮廓检测
轮廓检测函数cv2.findContours()；轮廓的绘制cv2.drawContours()
2020-07-07 22:43:55
6428
1
原创 Python实现：图的遍历（BFS、DFS）、最小生成树（Kruskal、Prim）、最短路径（Dijkstra）
图的遍历：广度优先搜索（队列），深度优先搜索（栈）；最小生成树（Kruskal、Prim），单源最短路径（Dijkstra）
2020-06-28 17:52:26
1898
1
转载 北大开源中文分词工具包 pkuseg
如何使用北大开源中文分词工具包 pkuseg；pkuseg特点：分词准确率高，多领域分词，支持用户自训练模型。pkuseg与jieba、THULAC等国内代表分词工具的比较。
2020-06-22 21:22:55
1372
原创 【吴恩达团队】TensorFlow2.0中的自然语言处理
如何使用TensorFlow2.0实现英文情感分析（IMDB影评情感分析、讽刺新闻分类）、文本生成。
2020-06-21 20:43:35
1945
原创 Python的json模块：json.dumps()/ json.loads()与json.dump()/ json.load()
JSON是JavaScript Object Notation的简称，是一种轻量的数据表示方法， 能够将 JavaScript 对象中表示的一组数据转换为字符串，然后就能够在函数之间轻松地传递这个字符串，或者在异步应用程序中将字符串从 Web 客户机传递给server端程序。json.dumps()和json.loads()是json格式处理函数；json.dump()和json.load()主要用来读写json文件函数。
2020-06-20 20:16:39
569
原创 TensorFlow搭建循环神经网络：字母单步预测与多步预测、股票预测
Keras搭建循环神经网络，实践字母单步预测与多步预测（one-hot编码与Embedding编码），股票预测。
2020-06-15 22:27:37
1684
1
原创 使用TensorFlow搭建几种经典的卷积神经网络：LeNet、AlexNet、VGGNet、InceptionNet、ResNet
Keras搭建几种经典的卷积神经网络：LeNet（1998）、AlexNet（2012）、VGGNet（2014）、InceptionNet（2014）、ResNet（2015）。
2020-06-15 10:09:20
813
原创 TensorFlow搭建卷积神经网络：以Cifar10数据集分类为例
keras搭建卷积神经网络八股：卷积-批标准化-激活-池化-Dropout，简记为CBAPD。
2020-06-14 15:49:15
1379
原创 tf.keras搭建神经网络八股功能扩展：自制数据集、数据增强、断点续训、参数提取、acc/loss可视化
tf.keras搭建神经网络八股功能扩展：自制数据集、数据增强、断点续训、参数提取、acc/loss可视化。以MINIST手写数字识别为例。
2020-06-11 17:18:21
897
3
原创 tf.keras搭建神经网络八股：六步法，实践鸢尾花分类、MNIST手写数字识别、Fashion-mnist数据集
Keras搭建神经网络：1. import相关模块；2.指定输入网络的训练集和测试集；3.逐层搭建网络结构；4.配置训练方法；5.执行训练过程；6.打印网络结构，统计模型参数。学习内容源于慕课北人工智能实践《TensorFlow笔记》
2020-06-10 21:43:12
1702
1
原创 TensorFlow神经网络优化：复杂学习率、激活函数、损失函数、过拟合、梯度爆炸、优化器
神经网络优化：复杂学习率（指数衰减学习率、分段常数衰减学习率），激活函数（非线性、可微性、单调性、近似恒等性），损失函数（均方误差、交叉熵、自定义），过拟合，梯度爆炸（逐步减小学习率、数据预处理），优化器
2020-05-31 17:00:20
2456
原创 Python参数传递与变量作用域：在回溯算法编程时的重要体现
- Python参数传递：可变对象（比如字典或者列表）通过“传引用”来传递对象；不可变对象（比如数字、字符或者元组）通过“传值’来传递对象。- Python变量作用域：L-E-G-B。
2020-05-25 19:21:27
679
原创 【DL】循环神经网络RNN、长短期记忆网络LSTM、门控循环单元网络GRU
LSTM相比一般RNN的优势理解 LSTM 网络当我们在谈论 Deep Learning：RNN 其常见架构
2020-05-24 20:48:35
2241
原创 二分查找时间复杂度及其Python实现
二分查找假设表中元素是按升序排列，将表中间位置记录的关键字与查找关键字比较，如果两者相等，则查找成功；否则利用中间位置记录将表分成前、后两个子表，如果中间位置记录的关键字大于查找关键字，则进一步查找前一子表，否则进一步查找后一子表。重复以上过程，直到找到满足条件的记录，使查找成功，或直到子表不存在为止，此时查找不成功。优点：比较次数少，查找速度快，平均性能好；缺点：要求待查表为有序顺序表，且插入删除困难。二分查找方法适用于不经常变动而查找频繁的有序列表。二分查找最优时间复杂度是O(1)O(1)
2020-05-21 15:41:54
2036
原创 TensorFlow基础概念（数据流图、张量、操作）、可视化工具TensorBoard
TensorFlow数据流图TensorFlow数据流图是一种声明式编程范式数据流图/计算图TensorFlow数据流图描述了算法模型的计算拓扑，其中的各个操作（节点）都是抽象的函数映射或数学表达式；换句话说，数据流图本身是一个具有计算拓扑和内部结构的“壳”，在用户向数据流图填充数据前，图中并没有真正执行任何计算。计算图是一个有向图，由以下内容组成：一组节点，计算节点：无状态的计算或控制操作，主要负责算法逻辑表达或流程控制，如逻辑操作、神经网络的操作、规约操作等存储节点：有状态的变
2020-05-20 16:45:18
1644
原创 TensorFlow简介
TensorFlow产生的历史必然性1980s：感知机与特征工程计算力低，数据量小1990s：神经网络在图像和语音领域发力MINIST：手写字体识别，机器学习界的Hello Word2012-：算力和数据增长推动深度学习的繁荣发展TensorFlow与Jeff DeanTensorFlow之父——Jeff DeanTensorFlow前世今生第一代深度学习平台：Google DistBelief（2012年）paper：Large Scale DistBel
2020-05-20 16:24:06
1353
原创 隐马尔可夫模型HMM
隐马尔可夫模型的基本概念 隐马尔可夫模型（hidden Markov model, HMM）是可用于标注问题的统计学习模型，描述由隐藏的马尔可夫链随机生成观测序列的过程，属于生成模型。隐马尔可夫模型的定义图结构文字描述 隐马尔可夫模型是关于时序的概率模型，描述了：由一个隐藏的马尔可夫链随机生成不可观测的状态随机序列；再由各个状态生成一个观测而产生观测随机序列 的过程。数学定义I=(i1,i2,...,iT)I=(i_1,i_2,...,i_T)I=(i1,i2,...,iT
2020-05-09 23:13:17
322
1
原创 【DL】卷积神经网络CNN
卷积神经网络常用于做图像处理；一般的深层神经网络做图像处理，会有很多的参数：例如一个像素为100×100100\times100100×100的图像，倘若第一层有1000个神经元，第一层神经网络就会有3×100×100×10003\times100\times100\times10003×100×100×1000个参数（向量）；卷积神经网络是一种简化的网络架构；期望的神经网络：每个神经元...
2020-05-07 23:34:36
828
原创 Python数据分析之假设检验：正态总体均值检验、配对样本t检验、总体比率检验、A/B测试
假设检验原理反证法小概率事件在一次试验中是几乎不可能发生的（但在多次重复试验中是必然发生的）假设检验的步骤设置原假设与备择假设；设置显著性水平α\alphaα（通常选择α=0.05\alpha=0.05α=0.05）；根据问题选择假设检验方式；计算统计量，并通过统计量获取P值根据P值和显著性水平α\alphaα值，决定接受原假设还是备择假设。原假设备择假设的设置：应当...
2020-05-06 22:43:12
2608
原创 弱大数定律与强大数定律、中心极限定理
弱大数定律：随机变量序列的算术平均值依概率收敛于随机变量各数学期望的算术平均值；强大数定律：随机变量序列的算术平均值几乎处处收敛于随机变量各数学期望的算术平均值；中心极限定理：随机变量序列部分和分布渐近于正态分布。
2020-05-06 14:18:06
3595
原创 Copula函数
Copula是处理统计中随机变量相关性问题的一种方法。本文是对Copula函数的各种定义，Copula函数的思想，Copula函数的性质，Copula函数的类型等理论资料总结
2020-05-03 14:11:04
47255
8
原创 【DL-吴恩达-神经网络与深度学习-03&04】浅层神经网络与深层神经网络
浅层神经网络神经网络神经元神经元：线性运算+非线性运算神经网络的表示神经网络及符号定义隐藏层、输出层计入层数，输入层不计入层数，下图的神经网称为两层神经网络或单隐层神经网络上标方括号内数字表示所在的层数，上标圆括号表示数据，下标表示前向计算单个样本（隐藏层）分量形式，x=[x1,x2,x3]Tx=[x_1,x_2,x_3]^Tx=[x1,x2,x3]T...
2020-05-02 13:06:43
717
原创 【DL-吴恩达-神经网络与深度学习-02】神经网络的编程基础
二分类问题符号表示假设有一张图片作为输入，比如这只猫，如果识别这张图片为猫，则输出标签1作为结果；如果识别出不是猫，那么输出标签0作为结果。为了在计算机中保存一张图片，需要保存三个矩阵，它们分别对应图片中的红、绿、蓝三种颜色通道，如果图片大小为64x64像素，那么有三个规模为64x64的矩阵，分别对应图片中红、绿、蓝三种像素的强度值。为了把这些像素值放到一个特征向量中，需要把这些像素值按照红...
2020-04-30 15:07:44
247
原创 【DL】深度学习优化方法：SGD、SGDM、Adagrad、RMSProp、Adam
Gradient Descent1. 算法框架2. 理论原理假设参数θ\thetaθ是二维的，损失函数在(a,b)(a,b)(a,b)处的一阶泰勒展开，L(θ)=L(a,b)+∂L(a,b)∂θ1(θ1−a)+∂L(a,b)∂θ2(θ2−b)+o(θ1−a)+o(θ2−b)L(\theta)=L(a,b)+\frac{\partial L(a,b)}{\partial \theta_1}...
2020-04-29 20:26:28
2680
原创 【DL-吴恩达-神经网络与深度学习-01】引言
深度学习笔记（黄海广）github（黄海广等）课后作业1课后作业2AI学习的开源项目课程设置神经网络与深度学习如何建立一个神经网络，包括深度神经网络如何在数据上训练神经网络用一个神经网络辨认猫改善深层神经网络：超参数调试、正则化及优化神经网络的编程知识严密地构建神经网络，如何真正让它表现良好，因此要学习超参数调整、正则化、诊断偏差和方差以及一些高级优化算法，比如...
2020-04-27 21:21:30
183
原创 矩阵分解与特征值
1. Cholesky分解(1) LDU分解设A=(aij)A=(a_{ij})A=(aij)是n阶矩阵，则当且仅当AAA的顺序主子式Δk≠0(k=1,2,...,n−1)\Delta_k\neq0(k=1,2,...,n-1)Δk=0(k=1,2,...,n−1)时，AAA可唯一的分解为A=LDUA=LDUA=LDU，其中LLL为单位下三角矩阵，UUU为单位上三角矩阵，DDD为对角阵...
2020-04-26 22:05:43
3082
原创 投影矩阵
1. 投影的定义 考虑向量空间的直和分解Cn=S⊕H\mathbb{C}^n=S\oplus HCn=S⊕H内的任意向量x∈Cnx\in\mathbb{C}^nx∈Cn。若x=x1+x2x=x_1+x_2x=x1+x2满足x1∈Sx_1\in Sx1∈S和x2∈Hx_2\in Hx2∈H，并且X1X_1X1和x2x_2x2是唯一确定的，则称映射Px=x1Px=x_1Px=x1是向...
2020-04-26 21:54:58
1690
原创 矩阵微分
1. 定义设有矩阵：A=(aij(θ))p×q=[a11(θ)a12(θ)...a1q(θ)a21(θ)a22(θ)...a2q(θ)............ap1(θ)ap2(θ)...apq(θ)],θ∈RA=(a_{ij}(\theta))_{p\times q}=\left[\begin{matrix} a_{11}(\theta)&a_{12}(\theta)&......
2020-04-26 21:51:28
190
原创 矩阵的逆、广义逆
1. 矩阵的逆定义：对矩阵AAA，若存在矩阵BBB使得AB=BA=IAB=BA=IAB=BA=I，则BBB唯一，称之为矩阵的逆，记为A−1A^{-1}A−1。矩阵的逆具有如下基本性质：(i) A−1A^{-1}A−1存在当且仅当∣A∣≠0|A|\neq0∣A∣=0。证明：若A−1A^{-1}A−1存在，对AA−1=EAA^{-1}=EAA−1=E两边取行列式，得∣A∣∣A−1∣=∣E...
2020-04-26 21:48:06
4429
原创 【ML】机器学习基本任务：回归与分类（生成模型朴素贝叶斯与判别模型逻辑回归）
回归1. 模型建立模型：这里为线性模型；衡量模型好坏：损失函数；训练模型目标：最小化损失函数，优化方法求解优化问题；2. 模型评价训练集、测试集上的平均误差：主要关注测试集上的平均误差；3. 模型优化3.1 增大模型复杂度随着模型复杂度的增加，训练集上的平均误差逐渐减小，测试集上的平均误差先减小后增大，过于复杂的模型会出现过拟合现象；3.2 考虑隐变量不...
2020-04-24 21:09:12
717
原创 Python编程技巧
- 时间复杂度优化- 列表操作- 字符串计算- 进制转换- 获取整数的个位、十位、百位- collections标准库- 排列组合
2020-04-22 19:49:26
397
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