有梦想的蜗牛

keras官方中文文档说实话安装tensorflow的cuda支持版本的时候还是看英文的官方教程比较好，中文的太久了，安装不成功，而且似乎只能通过源码安装，需要安装java，bazel等工具，然后是cuda的驱动和cudnn，官网英文链接，按这个装才没有错，然后就是安装keras，这个可以按照中文文档来 keras中文文档，安装过程每台电脑也不一样，自己谷歌解决把，。然后我安装完了之后还是有一

原文出处： daniel-D 的博客（@迅猛龙Daniel ）   在机器学习和数据挖掘中，我们经常需要知道个体间差异的大小，进而评价个体的相似性和类别。最常见的是数据分析中的相关分析，数据挖掘中的分类和聚类算法，如 K 最近邻（KNN）和 K 均值（K-Means）等等。根据数据特性的不同，可以采用不同的度量方法。一般而言，定义一个距离函数 d(x,y), 需要满足下面几个准则：

kaggle competition 实践学习 文本分类 keras实现 模型基于yoon kim 的 Convolutional Neural Networks for Sentence Class

参考实践上与上面还是有差别，通过实践理解更深刻了其实就是看到cs231n课堂上用rnn生成文本，然后就想用keras试试看，顺便复习复习python语法，有点生疏了，小技巧比较多课堂的例子(需要翻墙)不得不说人家一百行代码效果就非常好，而且是纯python，不用任何框架辅助，佩服import kerasimport word2vecimport numpy as

安装一句话sudo pip install word2vec然后github的仓库有源码和使用例子，不过需要翻墙主要就是下面几点import word2vec# word2vec.word2phrase('data/mytext', 'data/mytext-phrases', verbose=True)word2vec.word2vec('data/mytext', 'data

梯度下降法与随机梯度下降法

name: "VGG_VOC0712_SSD_300x300_deploy"input: "data"input_shape { dim: 1 dim: 3 dim: 300 dim: 300}layer { name: "conv1_1" type: "Convolution" bottom: "data" top: "conv1_1" param {

线性代数视频将泊松分布和二项分布讲得很好泊松分布与指数分布

keras深度学习入门

人工智能入门

Mnist数据集获取这里有input_data.py,但是我们下载不到，被墙了，所以从其他途径下好那四个压缩包，然后修改一下这里面的代码就可以像中文社区里的教程那样用import input_datamnist = input_data.read_data_sets("MNIST_data/", one_hot=True) # local_file = maybe_download(

谷歌 Google ProtoBuf用法实例

算法详细介绍上述是维特比的算法的详细介绍，但是我觉得其实讲得太复杂了，简单理解为就是利用动态规划的思想，每到达一个新的状态都和只和上一个状态有关，感觉熟练动态规划的话很好理解，毕竟网络是单向的，由于hmm的性质。篱笆网络有向图的特点是同一列节点有多个，并且和上一列节点交错地连接起来。同一列节点代表同一个时间点上不同的状态的并列，大概因为这种一列一列整齐的节点和交错的边很像篱笆而得名

卷积层dilation膨胀 Hole算法解析

vgg16模型结构

python tensorflow入门

七小时入门theano官方文档还是很值得参考的，lasagnetheano上面的源码是参考这个git的 Shallow and Deep Convolutional Networks for Saliency Prediction不过我改了训练集目前为止还没训练成功。。。就当是学习一下相关框架吧，以后如果训练成功了在更新数据预处理import cv2import numpy as npimpo...