N_Sapientia的博客

原创 冒泡排序法

int temp=0;i<len-1;i++){j<len-1;j++){}elsecontinue;pa(a,4);

原创 产品策划规划

工作了比较长时间做产品工作，现在总结下做产品的思路。整体做一个产品需要考虑的因素很多，可以说和项目经理比，产品管理的一部分阶段很像项目经理的工作内容，产品的目标方向不同可能思路方法不太一样，侧重点也不一样，c端产品重视的商业模式，护城河建立，自己的生态建立，和运营的配合等，毕竟c端都是以活跃度，交易额等等数据来融资，然后上市套现的，g端可能考虑复用性强，架构设计，数据问题，技术实现，交付时间问题等等。就g端，我总结出来自己的感觉总要的产品节点。产品之前就是需求，需求发现我感觉需求发现就是针对社会和市

原创 深度学习-物体检测系统

图像分类，检测及分割是计算机视觉领域的三大任务。分类和检测比较容易理解，图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。对检测任务现在是分one stage和two stage，两者区别是前者不需要生成候选框，直接对目标定位，把定位问题转化为回归问题处理，后者是先生成了一系列样本的候选框，再通过卷积进行分类。就现在看来深度学习结合two stage比较多...

原创 faster-rcnn 物体检测（深度学习在物体检测的应用）

本文是2015年发表的物体检测的经典top论文。本文思路：1、目的得到feature maps。先通过conv层+pooling层+relu层，可以是vgg，得到feature maps。2、目的得到精确的proposals，提议建议图？？，在feature maps上提取对应的图。在第一步基础上，先通过rpn生成region proposals。通过softmax判断anchors（...

转载 TensorFlow save-cnn

save不用重复编写程序了x = tf.placeholder(tf.float32, [None, n_input])y = tf.placeholder(tf.float32, [None, n_output])keepratio = tf.placeholder(tf.float32)# FUNCTIONS_pred = conv_basic(x, weights, bias...

原创 TensorFlow - saverestore

import tensorflow as tfv1 = tf.Variable(tf.random_normal([1,2]), name="v1")v2 = tf.Variable(tf.random_normal([2,3]), name="v2")init_op = tf.global_variables_initializer()saver = tf.train.Saver()#...

原创 tensorflow 卷积cnn

 卷积神经网络的结构图 import numpy as npimport tensorflow as tfimport matplotlib.pyplot as pltimport input_data mnist = input_data.read_data_sets('data/', one_hot=True)trainimg   = mnist.train.i...

原创 TensorFlow 神经网络

import numpy as npimport tensorflow as tfimport matplotlib.pyplot as pltimport input_data mnist = input_data.read_data_sets('data/', one_hot=True)先初始化所有输入输出和参数# NETWORK TOPOLOGIESn_hidden_...

原创 TensorFlow 逻辑回归

import numpy as npimport tensorflow as tfimport matplotlib.pyplot as pltimport input_datamnist      = input_data.read_data_sets('data/', one_hot=True)#帮助下载数据集并且分为训练集测试集等trainimg   = mnist.train....

原创 TensorFlow-mnist

import numpy as npimport tensorflow as tfimport matplotlib.pyplot as plt#from tensorflow.examples.tutorials.mnist import input_dataimport input_dataprint ("packs loaded") print ("Download an...

原创 TensorFlow线性回归代码

import numpy as npimport tensorflow as tfimport matplotlib.pyplot as plt# 随机生成1000个点，围绕在y=0.1x+0.3的直线周围num_points = 1000vectors_set = []for i in range(num_points):    x1 = np.random.normal(0.0, 0.55)#...

原创 TensorFlow-1

先定义变量再定义操作，再在一个session中进行初始化，进行计算。import tensorflow as tfa = 3# Create a variable.w = tf.Variable([[0.5,1.0]])x = tf.Variable([[2.0],[1.0]]) y = tf.matmul(w, x)#variables have to be explicitly initial...

转载 Github是什么？看完你就了解一些了

要了解Github，我们首先要知道Git，Git是管理代码的工具，写代码不是件轻松的事儿，一个人写的时候已经不轻松了，一群人写就更不轻松了，但这世界上很多事都是怎么不轻松怎么来的，大部分人都会和别人一起写代码，问题在于，这么多人写一个东西，你今天写一点，我明天写一点，然后发现你写错了，又影响到了我前天写的，最后汇总的时候怎么查找错误？又在什么时候汇总？这些问题太多了。为了让写代码这件事儿美好一点，...

转载 供应链设计2标准和设计步骤

主要是针对货物类型和限制，通过供应链活动，把货物每个节点分析出来。通过分析出来那些可以进行优化，可以进行修改，提高效率，通过提高效率，降低成本，进行优化供应链活动，从而完成一系列的修改。eg：保洁公司的香波供应链活动如下：设计原则：...

转载 供应链-设计1-基础

转载 供应链设计-SCM（杂记1基础）

供应链是一条增值链，供应链活动是信息流，物流，资金流的价值增值链。是从采购到最终的消费者的整个过程。供应链基本模型：供应链过程图：供应链需求波动效应：1、牛鞭效应2、曲棍球效应戴尔2001年的案例...

转载 rule-base机器人1

1、最基础的fi—else问答import random# 打招呼greetings = ['hola', 'hello', 'hi', 'Hi', 'hey!','hey']# 回复打招呼，random.choice意思是随机选取内容random_greeting = random.choice(greetings)# 对于“你怎么样？”这个问题的回复question = ['Ho...

转载 app页面规范和字体规范

10dp用的多，像素。1dp*像素密度/160 = 实际像素数字体规范寿司字体sp转换为像素为乘以2.

原创 cnn卷积神经网络

卷积神经网络可以做分类，推荐，识别等卷积神经网络由如下组成：•输入层•卷积层•激活函数•池化层•全连接层其中输入层，激活函数，全连接层都比较简单在神经网络中有讲解，以下主要说明是卷积层和池化层。1、卷积层一个图像是由长宽和rgb深度组成。如下：左面是每个深度的图像的值，中间是filter，每一个深度一个filter，这里中间是两个深度，方式是矩阵的对应项相乘，...

原创 人工神经网络

现在最火的方向，机器学习中的神经网络的扩展和加强。应用在图像分类，计算机视觉的核心任务中，有着重要的作用。

原创 PCA降维和LDA降维

PCA降维PCA降维是为了提取有用信息，减少数据量，提高运算效率。PCA降维是利用了基于方差的降维，方差是反应样本离均值的离散程度的度量，我们的目的就是利用样本的特征统计特性，也就是方差使得样本在降维的时候可以离散开来。如果单纯只选择方差最大的方向，后续方向应该会和方差最大的方向接近重合。为了让两个字段尽可能表示更多的原始信息，我们是不希望它们之间存在（线性）相关性的。可以用两个字段的协方差表示其...

原创 聚类——kmeans和dbscan

这是无监督学习算法的经典算法问题，有堆样本，要把里面相似的样本分到一组。解决：1、指定要把样本分为k簇。2、利用距离度量每个族的样本的准则。优化目标： 工作流程（假设K=2）：1、先在样本中任意的指定两个点A和B，遍历所有的样本到两点距离，哪个近就认为样本是属于哪个AB点。2、再分别计算每个属于AB点的所有样本的质点，也就是各个维度取平均，这个质点是新的AB点。3、重复1。直到没有变化。缺点：1、...

原创 svm

12年前svm的天下，现在是神经网络的。解题思路，通过实际问题，转换为数学表达式，找出损失函数，进行优化 迭代。svm分类，二分类（多分类）

原创 产品经理的产品规划

虽然博客最近一直写的是人工智能的机器学习相关内容，但是作者本人硕士是计算机信息学的做图像sift和数据建模的。but毕业后喜欢上产品jab，a feel让别人用我做的产品是巨大的认可。。。。产品工作，简单说就是需求挖掘，三大文档撰写，脑图，axure的中保真demo，规划开发时间和进展（需要和技术ui等进行评审），产品的全周期迭代管理等，到一定阶段，就是比较高级的产品的方面的工作。这里按照工作的...

原创 贝叶斯算法

贝叶斯算法

原创 模型融合-bagging，boosting，stacking

先把主要的算法进行整理，后续会对py结合算法的实践进行整理。第五弹，模型融合目的是为了提高机器学习的效果，其实就是整理几个机器算法进行参考计算后续的训练。三个模型融合思路：1、bagging，训练多个分类器，结果取平均。并列的进行训练，所有的分类器无关并行进行训练。分类：可以用于结果做vote。回归：可以对这些模型结果取平均。2、boosting，从弱学习开始加强，加权训练，这是串联的，也就说后一...

原创 py逻辑回归实例

python在机器学习方面的应用很像研究生那会用的matlab，不难理解。唯一要做的就是把数学和算法思路学好。建立一个逻辑回归模型来预测一个学生是否被大学录取。import numpy as npimport pandas as pdimport matplotlib.pyplot as plt#设置数据的路径，os.sep 根据你所处的平台，自动地采用相应的分割符号。import ospath ...

原创 决策树

决策树可以做回归和分类。决策树总体思想和步骤（离散的，ID3）：1、先计算每个样本的随机变量的熵值。2、再计算信息增益，也就是样本随机变量的熵值与对应样本随机变量的概率相乘再加和。3、遍历所有的样本每种随机变量的信息增益，排序，根据最大开始进行分裂。决策树的重点是分裂的随机变量是哪个。1、先从树来说明。在决策树中，有3个组成：1、根节点：第一个选择点。2、非叶子节点，中间过程。3、叶子结点：最终的...

原创 AI-机器学习-监督学习-逻辑回归

很多大牛都把线性回归和逻辑回归给写在一起，我觉得还是分开写的好，更清晰。逻辑回归和线性回归虽然都是回归，但是线性回归做的是回归，逻辑回归做的是分类。接着上次博文，逻辑回归是把线性回归的目标函数转化到sigmoid函数，sigmoid函数是一个转化为0到1也就是概率的函数。既然是分类就和线性回归不一样，线性回归是利用了误差的特性，高斯函数，做的连续性密度函数，利用最大似然估计法和梯度下降法估算出来x...

原创 AI-机器学习-监督学习-线性回归

回归算法是监督学习其中之一。线性回归算法是已知样本和样本对应的预测结果，求新的样本的预测结果。1、先对已知样本进行适当的处理，包括去除一些缺省值，一些不正常的值等。2、样本和结果进行了建模，如下： 其中x为样本，h为y也为样本对应的值，为系数，通过可以很好拟合y，现在要求出来的就是。后加入了非常非常关键的误差，如下：假设求的系数为矩阵，含有很多的参数值，这是需要求解的。就是要求一个直线拟合所有的已...