- 博客(9)
- 资源 (1)
- 收藏
- 关注
RSS订阅转载 GBDT算法原理深入解析
梯度提升（Gradient boosting）是一种用于回归、分类和排序任务的机器学习技术，属于Boosting算法族的一部分。Boosting是一族可将弱学习器提升为强学习器的算法，属于集成学习（ensemble learning）的范畴。Boosting方法基于这样一种思想：对于一个复杂任务来说，将多个专家的判断进行适当的综合所得出的判断，要比其中任何一个专家单独的判断要好。通俗地说，就是“三
2017-11-29 09:38:19
1024
转载 深度学习训练时GPU温度过高？几个命令，为你的GPU迅速降温。
新买回来的不带水冷公版GPU，在满负载运行的时候，温度从室温马上飙升到85度，而且模型训练不是几分钟完事，很有可能要长期保持在高温状态下运行，让如此昂贵的GPU一直发烧真是让人太心疼！首先得到知乎上一位朋友的文章启发，文章点击这里：从零开始组装深度学习平台(GPU散热)。这篇文章写的是在ubuntu X server环境下，通过修改nvidia-settings来修改GPU风扇速度，因为
2017-11-28 22:33:28
8901
1
转载 matplotlib绘图
需求简述：从mongodb取出目标数据，按照日期将成都市房屋成交量以折线图的形式展示；有坐标名称，有图例；日期为x轴，成交量为y轴，如果日期过多，则部分均匀展示；新房和二手房分两个图展示。1、日期作为x轴参考官方示例api example code: date_demo.py#按照月份展示坐标轴坐标x值，按照日期绘图，months = mdates.MonthLocato
2017-11-28 17:59:36
764
转载 plot函数属性（转自matplotlib）
matplotlib.pyplot.plot(*args, **kwargs)Plot lines and/or markers to the Axes. args is a variable length argument, allowing for multiple x, y pairs with an optional format string. For example, ea
2017-11-28 17:57:50
621
转载 ubuntu16.04 Nvidia 显卡的风扇调速及startx的后果
问题描述#查看nvdia GPU 显卡状态watch -n 10 nvidia-smi12发现显卡Tesla k40c的温度已经达到74°，转速仅仅只有49%。 查看Tesla产品资料，Tesla K40 工作站加速卡规格 ，可知所以需要调整风扇速度来降温。然而官方驱动面板里也没有了风扇调速的选项nvidia-settings1
2017-11-28 13:41:07
9537
4
转载 深度学习系列Part2：迁移学习和微调深度卷积神经网络
深度学习系列Part2：迁移学习和微调深度卷积神经网络2016-08-30 16:28:36 深度学习 卷积神经网络 0 0 0本文是微软数据科学家 Anusua Trivedi 所写的《Deep Learning》系列文章的第二部分，是对迁移学习和微调深度卷积神经网络的介绍。机器之心此前也已经编译了该系列的第一部分，详情点击《五大主流深度
2017-11-23 10:39:28
1704
转载 Precision-Recall
Example of Precision-Recall metric to evaluate classifier output quality.Precision-Recall is a useful measure of success of prediction when the classes are very imbalanced. In information retrieva
2017-11-21 23:18:03
3621
转载 28款GitHub最流行的开源机器学习项目
现在机器学习逐渐成为行业热门，经过二十几年的发展，机器学习目前也有了十分广泛的应用，如：数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、DNA序列测序、语音和手写识别、战略游戏和机器人等方面。翻译整理了目前GitHub上最受欢迎的28款开源的机器学习项目，以供开发者参考使用。1. TensorFlow TensorFlow 是谷歌发布的
2017-11-13 11:44:09
882
转载 深度学习笔记5：池化层的实现
池化层的推导池化层的输入一般来源于上一个卷积层，主要作用是提供了很强的鲁棒性（例如max-pooling是取一小块区域中的最大值，此时若此区域中的其他值略有变化，或者图像稍有平移，pooling后的结果仍不变），并且减少了参数的数量，防止过拟合现象的发生。池化层一般没有参数，所以反向传播的时候，只需对输入参数求导，不需要进行权值更新。池化层的前向计算
2017-11-01 23:42:51
4998
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人