- 博客(13)
- 收藏
- 关注
RSS订阅原创 Java中的原码、反码和补码
1.原码正数：正数的原码等于其自身的二进制表示，最高位为符号位，0为正。负数：负数的原码在其自身的二进制表示基础上，将符号位置为1。2.反码正数：正数的反码等于其原码。负数：负数的反码符号位不变，其余位取反。3.补码正数：正数的补码等于其原码。负数：负数的补码等于反码 + 1。...
2019-01-17 20:43:00
382
原创 Java 中 Math.rint 与 Math.round 的用法
rint(x)：x取整为它最接近的整数，如果x与两个整数的距离相等，则返回其中为偶数的那一个。round(x)：返回Math.floor(x+0.5)，即“四舍五入”值。例：rint(3.5) = 4rint(4.5) = 4round(4.5) = 4round(4.4) = 4 ...
2018-07-16 09:45:00
2517
2
原创 《Java编程思想》学习笔记之操作符
如果对char、byte或者short类型的数值进行移位处理，那么在移位进行之前，它们会被转成int类型，并且得到的结果也是一个int类型的值。只有数值右端的低5位才有用。这样可防止我们移位超过int型值所具有的位数。（译注：因为2的5次方为32，而int型值只有32位。）这里的数值低5位指的是操作符右端移位数的低5位。因为int型值只有32位，所以移动32位或以上将彻底改变待移位数。故在Java...
2018-07-02 16:28:46
193
原创 Java基本类型
基本类型大小最小值最大值包装器类型boolean——————Booleanchar16bitUnicode 0Unicode 2^16-1Characterbyte8bit-128+127Byteshort16bit-2^15+2^15-1Shortint32bit-2^31+2^31-1Integerlong64bit-2^63+2^63-1Longfloat32bitIEEE754IEEE75...
2018-07-02 15:44:00
201
原创 欠拟合与过拟合
欠拟合：模型并不能好好描绘训练集特征，损失函数还有继续下降的空间，一般是由于模型参数过于简单。过拟合：模型除了记住数据普遍特征之外，还记住了训练集的个别数据特征，导致训练集损失函数值下降的同时验证集损失函数却在上升，模型不能很好的预测未知的新数据。往往是由于模型参数过于复杂造成，一般的解决方法为增加数据量或者限制模型参数。一般情况下，相同的性能的模型往往越简单越好。消除过拟合的基本方法：1.获取更...
2018-03-28 15:26:18
510
原创 深度学习中的数据集划分
将数据集划分为训练集、验证集和测试集，训练集用来训练模型，验证集用来观察模型性能，测试集用来验证模型效果。验证集和测试集不能合并，因为我们会根据验证集的效果调整模型参数，导致模型会往验证集效果好的方向收敛，即模型也学到了验证集的特征，所以再用来评估模型性能并不科学。...
2018-03-27 16:04:17
4470
原创 深度学习中的数据预处理
1.归一化 当多个特征的参数值数量级差异过大时，容易增加计算成本，需要对数据做归一化处理。最常用的归一化方法为，取数据集与其均值的差，再除以其标准差，使数据集拥有一个单位标准差，方便处理。mean = train_data.mean(axis=0)train_data -= meanstd = train_data.std(axis=0)train_data /= stdtest_...
2018-03-09 15:23:04
3029
原创 深度学习中模型的参数选择
1.优化器 优化器一般选择 rmsprop，其适用于绝大多数问题，是最不用担心的因素。2.激活函数 中间层的激活函数一般选择 relu 函数以及其引申函数。当为二分类问题时，最后一层一般采用 sigmoid 激活函数。当为多分类问题时，最后一层一般采用 softmax 函数。当为回归问题时，最后一层不使用激活函数，因为激活函数会将无限空间映射到有限空间中，限制最后的结果。3.损失函数（...
2018-03-09 15:07:05
2376
翻译 深度学习中的数据维度表示
1.标量（0D 张量） 只含有一个数字的张量称为标量（或 0 维张量、0D 张量），标量有 0 个坐标轴，即 ndim == 0。张量轴的个数又称为它的秩。>>>import numpy as np>>>x = np.array(12)>>>xarray(12)>>>x.ndim02.矢量（1D 张量） ...
2018-03-09 11:17:54
8307
1
原创 Win10系统下深度学习框架Keras的安装与搭建
1. 编译环境Microsoft Visual Studio安装GPU加速版本的Keras必须安装CUDA的编译器VS，CUDA8.0仅支持VS2015，如果不需要GPU加速可不安装。安装后在我的电脑--高级系统设置--环境变量--系统变量的path中添加VS的路径.\Microsoft Visual Studio 14.0\VC\bin。2. Python环境Anaconda是集成了诸多科学计算...
2017-10-19 11:24:41
4177
原创 交叉验证
S-fold Cross Validation：中文为S折交叉验证，即将数据集分成S份，在第i次试验中，使用D-Di作为训练集，Di作为测试集进行模型的训练，最终取平均误差最小的模型。留一交叉验证（Leave-one-out Cross Validation）：这是S折交叉验证的特殊情况，即S=N，每次测试集中只有1个数据。简易交叉验证：将数据集随机打乱，然后选取数据集的前70%作为训练集，剩余作...
2017-10-18 20:40:36
558
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人