![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 52
christianashannon
这个作者很懒,什么都没留下…
展开
-
神经网络浅讲:从神经元到深度学习 - 计算机的潜意识
神经网络浅讲 转载 2017年10月26日 20:55:22 标签:转载 2017-12-21 17:07:32 · 653 阅读 · 0 评论 -
tflearn 应用cnn完成cifar10数据集训练和预测
实现的内容: 参照原tflearn example,进行改动: 1. 对cifar10数据集完成了预处理,将原5个训练集进行了划分,划分为训练集和验证集; 2. 使用tflearn搭建CNN网络,使用了三层卷积+最大池化 3. 对搭建的CNN网络,在原测试集上进行了评估 4. 对任意一张图片进行预测; 5. 将模型转移到阿里云PCA,储存在云端;预处理&训练代码:# -*-原创 2018-01-09 15:25:24 · 1565 阅读 · 0 评论 -
XGBoost的原理
本文据此对XGBoost的原理做简单的介绍…XGBoost[1]是2014年2月诞生的专注于梯度提升算法的机器学习函数库,此函数库因其优良的学习效果以及高效的训练速度而获得广泛的关注。仅在2015年,在Kaggle[2]竞赛中获胜的29个算法中,有17个使用了XGBoost库,而作为对比,近年大热的深度神经网络方法,这一数据则是11个。在KDDCup 2015 [3]竞赛中,排名前十的队伍原创 2018-01-25 16:40:22 · 586 阅读 · 0 评论 -
windos10 aws 深度学习云主机配置
参考 在AWS上配置深度学习主机AWS 文档:因为本地开发环境受限(没有高端显卡),于是深度学习运算只能使用各大厂的云主机;经过对比,发现亚马逊的aws在深度学习虚拟主机的搭建上性价比最高,于是决定使用aws。根据推荐,要解决基础应用的要求,可以使用aws上的p2.xlarge主机实例,p2.xlarge 是一种非常适合深度学习的云服务器,它配备了 12G 显存的 Tesla K80原创 2018-01-24 21:25:24 · 4058 阅读 · 0 评论 -
floydhub 使用指南
floydhub是一个非常简便的入门级深度学习云平台,提供了12G的K80显卡,足够入门和小项目运行,之前注册即免费赠送100h的GPU时间,目前注册仅赠送2h免费GPU时间和20h CPU时间。floydhub的好处是操作简单,入门容易,实际上是将aws的GPU 主机进行了封装集成,通过本地命令行直接调用;缺点在于价格较高,每GPU小时0.7美金,大约是aws的两倍。floydhub主要操原创 2018-01-24 17:45:32 · 5143 阅读 · 2 评论 -
Tensorflow分批量读取数据
转载转自:Tensorflow分批量读取数据之前的博客里使用tf读取数据都是每次fetch一条记录,实际上大部分时候需要fetch到一个batch的小批量数据,在tf中这一操作的明显变化就是tensor的rank发生了变化,我目前使用的人脸数据集是灰度图像,因此大小是92*112的,所以最开始fetch拿到的图像数据集经过reshape之后就是一个rank为2的tensor,大小是92*112的(如转载 2018-01-03 22:02:18 · 1597 阅读 · 0 评论 -
Tensorflow一些常用基本概念与函数(1)
转载 转自:Tensorflow一些常用基本概念与函数(1) 摘要:本文主要对tf的一些常用概念与方法进行描述。1、tensorflow的基本运作为了快速的熟悉TensorFlow编程,下面从一段简单的代码开始:import tensorflow as tf #定义‘符号’变量,也称为占位符 a = tf.placeholder("float")转载 2018-01-03 21:39:25 · 202 阅读 · 0 评论 -
几种 sklearn 的二值化编码函数:OneHotEncoder(), LabelEncoder(), LabelBinarize
转载http://blog.csdn.net/gao1440156051/article/details/55096630所涉及到的几种 sklearn 的二值化编码函数:OneHotEncoder(), LabelEncoder(), LabelBinarizer(), MultiLabelBinarizer()1.代码块import pandas as pd from sklearn.pre转载 2018-01-03 19:47:39 · 1233 阅读 · 1 评论 -
Tensorflow API 笔记
Hello World 的实现:import tensorflow as tf# Create TensorFlow object called hello_constanthello_constant = tf.constant('Hello World!')with tf.Session() as sess: # Run the tf.constant operation in the原创 2017-12-25 14:08:56 · 258 阅读 · 0 评论 -
smart_cab 项目小归纳
归纳一下这个project里遇到的问题:random.random()choose action函数里有一个要求: When not learning, choose a random actionWhen learning, choose a random action with ‘epsilon’ probabilityOtherwise, choose an action with t原创 2017-12-22 21:11:31 · 262 阅读 · 0 评论 -
L1 和L2 正则化的理解
转载自: 正则化及正则化项的理解 首先了解一下正则性(regularity),正则性衡量了函数光滑的程度,正则性越高,函数越光滑。(光滑衡量了函数的可导性,如果一个函数是光滑函数,则该函数无穷可导,即任意n阶可导)。 正则化是为了解决过拟合问题。在Andrew Ng的机器学习视频中...转载 2018-02-18 15:48:07 · 3850 阅读 · 0 评论