冰糖麻辣鱼的博客

原创 菲常记忆之学习流程

原创 理解np.max、np.min、np.argmax、np.argmin以及np.sum中的axis参数

理解numpy数组中沿轴求最值，求和假设我们的数组共有0、1、2、3四维（分别代表着不同含义，可参考自己的数据进行替换），三个函数的含义分别为：直接举例子import numpy as npnp.max(axis=C) # 同A、同B、同D，在不同C中元素值最大是多少np.argmax(axis=C) # 同A、同B、同D，在不同C中元素值最大的 是哪个Cnp.min()n...

原创 深度学习入门知识梳理（四）：卷积神经网络（CNN）

文章目录前言1、卷积层1.1、卷积1.2、卷积核1.3、填充1.4、步幅2、池化层前言  CNN中，将卷积层的输入输出数据称为特征图。其中，卷积层的输入数据称为输入特征图，输出数据称为输出特征图。  卷积网络有两个比较大的特点  其一：卷积网络有至少一个卷积层，用来提取特征  其二： 卷积网络的卷积层通过权值共享的方式进行工作，大大减少权值 的数量，使得在训练中在达到同样识别率的情况下收...

原创 【Python—参数】*arg与**kwargs参数的用法

解包和压包将元祖、列表、字典、字符串、生成器等整体中的每个元素当成个体剥离出来，这个过程就是解包，反过来即为压包。用于函数定义时在python中，*arg与**kwargs用于函数定义时，均为可变参数，*arg表示任意多个无名参数，类型为tuple;**kwargs表示关键字参数，为dict。def func(*args,**kwargs): print(type(args)) ...

原创 机器学习之相对熵、交叉熵（为什么交叉熵可以作为损失函数）

文章目录自信息信息熵相对熵（KL散度）交叉熵为什么交叉熵可以作为损失函数参考文章自信息  信息论的基本想法是一个不太可能的事件居然发生了，要比一个非常可能的事件发生，能够提供发更多的信息。消息说：“今天早上太阳升起”，信息量是如此少，以至于没有必要发送；但一条消息说：“今天早上有日食”，信息量就很丰富。  一条信息的信息量大小和它的不确定性有直接的关系，我们可以认为，信息量的度量就等于不确定...

原创 信号处理基本概念：单位脉冲响应和单位阶跃响应

零状态响应所谓零状态响应是指系统在接收到指定输入之前处于初始状态，即保证系统是完全因为指定输入而产生的响应变化。单位脉冲响应单位脉冲响应是指系统对单位脉冲输入的响应。单位脉冲信号是一个无穷大的瞬时冲激，表示为：δ(n)={0,t≠0∞,t=0\delta(n)=\begin{cases}0,t\not=0\\\infty,t=0\end{cases}δ(n)={0,t​=0∞,t=0...

原创 概率论基本概念：随机变量、概率分布

参考文章：应该如何理解概率分布函数和概率密度函数？概率函数P(x)、概率分布函数F(x)、概率密度函数f(x)什么是随机变量随机变量也是一种变量，它与普通变量的区别就是随机变量有概率性，而普通变量没有概率性。如果微积分是研究变量的数学，那么概率论与数理统计是研究随机变量的数学。概率分布的数学描述概率函数：用函数的形式来表达概率。(只对离散型变量有意义，实际上是对概率分布的数学描述...

原创 重装Ubuntu（Linux）后快速搭建工作环境（深度学习环境）

Linux重装后的事一、安装Filezillasudo apt filezilla二、安装显卡ctrl+Alt+F1换出 ？？？，sudo service lightdm stopsudo ./xxx.runsudo service light restart三、安装gnome-pannelsudo apt install gnome-panel四、安装搜狗输入法参考教...

原创 OS 模块常用方法

os常用方法os.getcwd() #返回当前工作目录os.chdir(path) #改变当前工作目录 os.listdir(path) #列出指定目录下的所有的文件夹和文件os.chmod(path, mode) #更改权限os.mkdir(path[, mode]) #以数字mode的mode创建一个名为path的文件夹.默认的 mode ...

原创 深度学习入门知识梳理（三）：学习相关技巧

1、优化器的选择（参数的更新算法）1.1、随机梯度下降法（SGD）1.2、Momentum1.3、AdaGrad1.4、RMSProp1.5、Adam2、权重的初始值3、Batch Normalization4、抑制过拟合4.1、正则化4.2、DropOut5、超参数的设定

原创 深度学习入门知识梳理（二）：误差反向传播算法

神经网络的学习需要使用梯度下降法，而梯度下降法需要计算梯度。我们知道，计算梯度可以使用数值微分和误差反向传播算法，但数值微分计算速度慢，其计算精度会有极小的缺失，一般较少使用。使用误差反向传播算法则可以高效计算梯度，故其在深度学习是一个非常基础的知识，也是一个重要的理论。计算图

原创 深度学习入门知识梳理（一）：初识神经网络

人工神经网络是一种模拟生物神经网络以期能够实现类人工智能的机器学习技术（数学算法模型）。此算法在结构上分层，在层级间传递信息和中间计算结果，并应用大量的数据，通过优化函数和误差函数进行反复校正，使模型达到预期效果。使用时可以将神经网络看作为一个数学黑盒1、神经元2、激活函数2.1、sigmoid函数2.2、tanh函数2.3、ReLU函数3、神经网络4、神经网络的学习4.1、损失函数4.1.1 均方误差4.1.2 交叉熵误差4.2、学习步骤

原创 Linux常用基本命令操作

ctrl+r| grepclearhistoryTab键自动补齐手动下载的deb包的相关操作：操作deb 使用dpkg 命令工具， dpkg 是Debian package的简写。 下面列举常用的 操作：dpkg –I name.deb 查看 包的详细信息（其中的I为大写的i）； （—info)dpkg –c name.deb 查看 包的内容； （—contents)...

原创 简单区分数据库之中的1NF、2NF、3NF、BCNF

简单理解主属性、非主属性、部分函数依赖、完全函数依赖、传递函数依赖。简单区分1NF、2NF、3NF、4NF