机器学习
chen645096127
这个作者很懒,什么都没留下…
展开
-
机器学习的最佳入门学习资源
本文由 伯乐在线 - programmer_lin 翻译自 Jason Brownlee。欢迎加入技术翻译小组。转载请参见文章末尾处的要求。这是一篇很难写的文章,因为我希望这篇文章能对学习者有所启发。我在空白页前坐下,并且问自己了一个很难的问题:什么样的库、课程、论文和书籍对于机器学习的初学者来说是最好的。文章里到底写什么、不写什么,这个问题真的让我很烦恼。我必须把自己当做转载 2017-06-22 16:41:15 · 292 阅读 · 0 评论 -
tensorflow模型持久化之tf.train.saver
Tensorflow 提供了一个非常简单的API来保存和还原一个神经网络的模型,这个API就是tf.train.saver类,本篇以前面的MNIST模型为例,代码如下所示:import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_data#载入数据集mnist = input_d原创 2018-01-07 13:16:09 · 375 阅读 · 0 评论 -
tf.train.Saver类模型的加载
在上一篇,讲解了模型的保存,本文讲解模型的如何的加载,加载模型用tf.train.Saver类中的restore函数,本文还是以MNIST数据集为例,代码如下:import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_data#载入数据集mnist = input_data.re原创 2018-01-07 14:00:12 · 647 阅读 · 0 评论 -
tensorflow模型参数与结构的保存-----二
由于前面介绍过tf.train.Saver类的模型与保护,但是该方法仅仅只是对模型参数的保存,对于模型的结构没有保存,也就是说,我们每次在加载tf.train.Saver类保存的模型都要讲模型结构重新写一遍,这样就显得过于繁琐,对于以上问题,tensorflow 提供了convert_variables_to_constants函数,通过这个函数可以将模型结构与变量全部保存在一个文件夹中,本篇还是原创 2018-01-07 15:09:44 · 511 阅读 · 0 评论 -
tensorflow模型参数与结构的加载-----二
本篇将接着上篇的保存的模型,将模型进行加载,代码如下所示:import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_data#载入数据集mnist = input_data.read_data_sets("MNIST_data",one_hot=True)#定义一个pla原创 2018-01-07 15:33:40 · 745 阅读 · 0 评论 -
TensorFlow学习笔记(UTF-8 问题解决 UnicodeDecodeError: 'utf-8' codec can't decode byte 0xff in position 0: in
今天在跑跑代码时,遇到了标题的问题,然后网上查了下,在此处:http://www.cnblogs.com/Qt-Chao/p/7474360.html 刚刚好讲解了解决该问题的办法,这里当作一个笔记,记录下来。我使用VS2013 Python3.5 TensorFlow 1.3 的开发环境 UnicodeDecodeError: 'utf-8' codec can't原创 2018-01-16 21:30:36 · 52837 阅读 · 8 评论 -
Ubuntu 16.04,安装NVIDIA驱动
方法一1. 先卸载原有N卡驱动 #for case1: original driver installed by apt-get: sudo apt-get remove --purge nvidia* #for case2: original driver installed by runfile: sudo chmod +x NVIDIA-Linux*.r...原创 2018-11-25 16:44:46 · 990 阅读 · 0 评论 -
Ubuntu上 anaconda的卸载
http://blog.csdn.net/qq_22474567/article/details/54984257在ubuntu上卸载anaconda的步骤 :(一)删除整个anaconda目录:由于Anaconda的安装文件都包含在一个目录中,所以直接将该目录删除即可。到包含整个anaconda目录的文件夹下,删除整个Anaconda目录: rm -rf anaconda文件夹名...转载 2018-11-25 20:06:16 · 1744 阅读 · 1 评论 -
Object Detection目标检测全面总结--重要
原地址:https://handong1587.github.io/deep_learning/2015/10/09/object-detection.htmlObject Detection Published: 09 Oct 2015 Category: deep_learningJump to...Papers R-CNN Fast R-CNN Faster R...转载 2018-11-23 15:22:57 · 1626 阅读 · 0 评论 -
2013计算机视觉代码合集(一、二)
一、特征提取Feature Extraction:SIFT [1] [Demo program][SIFT Library] [VLFeat] PCA-SIFT [2] [Project] Affine-SIFT [3] [Project] SURF [4] [OpenSURF] [Matlab Wrapper] Affine Covariant Features [5] [Oxfor...转载 2019-04-25 11:05:15 · 415 阅读 · 0 评论 -
tensorflow中一些常见的优化器
Optimizer:tf.train.GradientDescentOptimizertf.train.AdadeltaOptimizertf.train.AdagradOptimizertf.train.AdagradDAOptimizertf.train.MomentumOptimizertf.train.AdamOptimizertf.train.FtrlOpti原创 2018-01-06 19:47:57 · 1304 阅读 · 0 评论 -
深度学习中常用的代价函数
1.二次代价函数(quadratic cost):其中,C表示代价函数,x表示样本,y表示实际值,a表示输出值,n表示样本的总数。为简单起见,使用一个样本为例进行说明,此时二次代价函数为:假如我们使用梯度下降法(Gradient descent)来调整权值参数的大小,权值w和偏置b的梯度推导如下:其中,z表示神经元的输入,σ表示激活函数。w和b的梯度原创 2018-01-06 19:27:42 · 9671 阅读 · 3 评论 -
深度学习中过拟合与防止过拟合的方法
1.什么是过拟合?过拟合(overfitting)是指在模型参数拟合过程中的问题,由于训练数据包含抽样误差,训练时,复杂的模型将抽样误差也考虑在内,将抽样误差也进行了很好的拟合。具体表现就是最终模型在训练集上效果好;在测试集上效果差。模型泛化能力弱。2.过拟合产生的原因?(1)在对模型进行训练时,有可能遇到训练数据不够,即训练数据无法对整个数据的分布进行估计的时候原创 2018-01-06 19:12:12 · 38206 阅读 · 1 评论 -
线性回归之梯度下降法
1.对梯度下降法概念的理解:在求解机器学习的算法的模型参数,即无约束优化问题时,梯度下降(Gradient Descent)是最常采用的算法之一,另一种常用的方法是最小二乘法。这里就对梯度下降法做一个完整的总结。2.梯度:在微积分里面,对多元函数的参数求∂偏导数,把求得的各个参数的偏导数以向量的形式写出来,就是梯度。比如函数f(x,y),分别对x,y求偏导数,求得的梯度向量就是原创 2017-09-19 19:59:30 · 995 阅读 · 0 评论 -
线性回归的实现
1. 本文将按照前一篇文章的步骤,利用梯度下降法来求解线性回归问题,分别用两种不同的迭代法来实现斯坦福的练习。本文是多元线性回归的练习,这里练习的是最简单的二元线性回归,参考斯坦福大学的教学网,网址如下:http://openclassroom.stanford.edu/MainFolder/DocumentPage.php?course=DeepLearning&doc=exercises/原创 2017-09-20 18:43:31 · 430 阅读 · 0 评论 -
机器视觉开源处理库汇总
转自:http://www.cnblogs.com/ajian005/archive/2012/11/04/2841171.html通用库/General LibraryOpenCV无需多言。RAVLRecognition And Vision Library. 线程安全。强大的IO机制。包含AAM。CImg很酷的一个图像处理包。整个库只转载 2017-10-17 20:06:49 · 5643 阅读 · 0 评论 -
深度学习笔记一:BP神经网络的介绍和Python代码实现(1)
前言:从开始决定学习深度学习至今,越往后学,越感觉要学的东西还很多,所以从今天开始想以笔记的形式来总结一下自己之前学习的,在这里想先从bp神经网络开始。1.bp神经网络的理论与推倒(这里参考了《人工神经网络理论、设计及应用_第二版》):权值更新的推到如下:这里篇幅有点大,关于bp神经网络的实现就另外写一篇吧,对实现有兴趣的,请看B原创 2017-12-13 15:18:35 · 695 阅读 · 0 评论 -
深度学习笔记一:BP神经网络的介绍和Python代码实现(2)
1.以下代码的编写语言采用Python3.5版本,编译环境采用Anaconda,这里数据集通过sklearn生成,这个数据集大小为(1797,64),表示的是有1797张图片样本,其中的64,表示的是每一个样本包含64个特征,也就是下述图片所示,将8*8的矩阵排成一行,即64列,下面实现生成一个图片上数字的识别功能:显示结果如下:2.完整的bp实现代码如下:# codi原创 2017-12-13 15:21:28 · 947 阅读 · 0 评论 -
tensorflow 的一些基本操作
1.概览2.图计算3.交互环境下的使用4.tensor5.变量(variables)6.抓取(fetch)7.填充(feeds)1.概览:TensorFlow是一种将计算表示为图的编程系统。图中的节点称为ops(operation的简称)。一个ops使用0个或以上的Ten在TensorFlow中,Constant是一种没有输入的ops,但是你可以将它作为原创 2018-01-04 21:37:41 · 905 阅读 · 0 评论 -
在tensorfow中曲线的拟合
1.直线的拟合,代码如下所示:# 简化调用库名import tensorflow as tfimport numpy as np# 模拟生成100对数据对, 对应的函数为y = x * 0.1 + 0.3x_data = np.random.rand(100).astype("float32")y_data = x_data * 0.1 + 0.3# 指定w和b变量的取值范原创 2018-01-05 16:40:36 · 618 阅读 · 0 评论 -
MNIST手写体识别任务
下面我们介绍一个神经网络中的经典示例,MNIST手写体识别。这个任务相当于是机器学习中的HelloWorld程序。MNIST数据集介绍MNIST是一个简单的图片数据集,包含了大量的数字手写体图片。下面是一些示例图片:MNIST数据集是含标注信息的,以上图片分别代表5, 0, 4和1。由于MNIST数据集是TensorFlow的示例数据,所以我们不必下原创 2018-01-06 13:23:39 · 10323 阅读 · 0 评论 -
训练一个模型需要多少训练数据----值得深思的话题
原文链接:http://www.jianshu.com/p/97c9be7270f0经常被问一个问题,训练一个模型需要多少数据?这个问题不能一概而论,取决于问题的复杂度 取决于算法的复杂度一个简单的解决方法是可以看看类似问题别人用了多少数据。但是如果问题比较特殊,可以做一个scalability的测试,看模型在不同大小数据集上的表现,根据这个测试,可以大致确定一个合理的数据需求。(不过...转载 2019-08-13 11:32:02 · 1774 阅读 · 0 评论