- 博客(40)
- 资源 (3)
- 问答 (3)
- 收藏
- 关注
RSS订阅原创 中文手册
sklean: http://sklearn.apachecn.org/cn/0.19.0/keras:http://keras-cn.readthedocs.io/en/latest/ https://www.kaggle.com/c/house-prices-advanced-regression-techniques/datapandas:https://www....
2018-07-31 15:28:35
298
转载 Coursera吴恩达《卷积神经网络》课程笔记（2）-- 深度卷积模型：案例研究
https://blog.csdn.net/red_stone1/article/details/78769236Convolutional Neural Networks》是Andrw Ng深度学习专项课程中的第四门课。这门课主要介绍卷积神经网络（CNN）的基本概念、模型和具体应用。该门课共有4周课时，所以我将分成4次笔记来总结，这是第2节笔记。1. Why look at case s...
2018-07-30 17:54:32
297
转载 Coursera吴恩达《卷积神经网络》课程笔记（1）-- 卷积神经网络基础
https://blog.csdn.net/red_stone1/article/details/78651063《Convolutional Neural Networks》是Andrw Ng深度学习专项课程中的第四门课。这门课主要介绍卷积神经网络（CNN）的基本概念、模型和具体应用。该门课共有4周课时，所以我将分成4次笔记来总结，这是第一节笔记。1. Computer Vision...
2018-07-30 17:10:07
288
转载 Coursera吴恩达《构建机器学习项目》课程笔记（2）-- 机器学习策略（下）
https://blog.csdn.net/red_stone1/article/details/78600255这是Andrew Ng深度学习专项课程第三门课《构建机器学习项目》的第二节笔记，第一节笔记入口：Coursera吴恩达《构建机器学习项目》课程笔记（1）– 机器学习策略（上）1. Carrying out error analysis对已经建立的机器学习模型进行错误分析（e...
2018-07-30 13:54:16
241
转载 Coursera吴恩达《构建机器学习项目》课程笔记（1）-- 机器学习策略（上）
《Structuring Machine Learning Projects》（构建机器学习项目）这门课是Andrw Ng深度学习专项课程中的第三门课。这门课主要介绍机器学习中的一些策略和方法，让我们能够更快更有效地让机器学习系统工作，该门课共有两周的课时。1. Why ML Strategy当我们最初得到一个深度神经网络模型时，我们可能希望从很多方面来对它进行优化，例如： Coll...
2018-07-30 11:35:12
164
转载 Coursera吴恩达《优化深度神经网络》课程笔记（3）-- 超参数调试、Batch正则化和编程框架
https://blog.csdn.net/red_stone1/article/details/78403416上节课我们主要介绍了深度神经网络的优化算法。包括对原始数据集进行分割，使用mini-batch gradient descent。然后介绍了指数加权平均（Exponentially weighted averages）的概念以及偏移校正（bias correction）方法。接着，...
2018-07-27 09:28:34
737
转载 Coursera吴恩达《优化深度神经网络》课程笔记（2）-- 优化算法
https://blog.csdn.net/red_stone1/article/details/78348753上节课我们主要介绍了如何建立一个实用的深度学习神经网络。包括Train/Dev/Test sets的比例选择，Bias和Variance的概念和区别：Bias对应欠拟合，Variance对应过拟合。接着，我们介绍了防止过拟合的两种方法：L2 regularization和Dropo...
2018-07-26 18:45:16
353
原创 检测跟踪问题之一
既然跟踪很容易丢失，常见的首段有哪些：1.不让丢失，保持视野；2.刚丢失时，进行位置修正；kalman3.丢失很久后考虑重新检测； 常见的跟踪方法有哪些？不同的场合应该用什么跟踪方法。我觉得可以整理一下目前见了kalman、meanshift。光流法 ...
2018-07-26 14:37:06
227
转载 Coursera吴恩达《优化深度神经网络》课程笔记（1）-- 深度学习的实用层面
https://blog.csdn.net/red_stone1/article/details/78208851Andrew Ng的深度学习专项课程的第一门课《Neural Networks and Deep Learning》的5份笔记我已经整理完毕。迷路的小伙伴请见如下链接：Coursera吴恩达《神经网络与深度学习》课程笔记（1）– 深度学习概述Coursera吴恩达《神经网络...
2018-07-26 14:33:56
1887
转载 Coursera吴恩达《神经网络与深度学习》课程笔记（5）-- 深层神经网络
https://blog.csdn.net/red_stone1/article/details/78062345上节课我们主要介绍了浅层神经网络。首先介绍神经网络的基本结构，包括输入层，隐藏层和输出层。然后以简单的2 layer NN为例，详细推导了其正向传播过程和反向传播过程，使用梯度下降的方法优化神经网络参数。同时，我们还介绍了不同的激活函数，比较各自优缺点，讨论了激活函数必须是非线性的...
2018-07-26 09:36:34
342
转载 Coursera吴恩达《神经网络与深度学习》课程笔记（4）-- 浅层神经网络
个人总结一下：1.首先由逻辑回归引申出浅层神经网络，即浅层神经网络只是比逻辑回归多了一层，相当于重复计算；从左到右，先计算输入到隐藏，在计算隐藏到输出；从右到左，先计算输出到隐藏，在计算隐藏到输入；2.神经网络的表达，浅层神经网络，也叫做两层神经网络，因为有隐藏层和输出层；3.计算神经网络输出，相当于重复计算z和a，对于每个节点都尽心；4.向量化5.没有6.激活函数：前面介...
2018-07-25 22:33:15
412
转载 Coursera吴恩达《神经网络与深度学习》课程笔记（3）-- 神经网络基础之Python与向量化
个人总结：1.逻辑回归，输出的是概率；2.向量化的好处，速度提升300多倍；借助于并行化3.逻辑回归的向量化，前向计算中的Z =np.dot(W.T, X），后向计算计算中求导环节：DZ = A - Y;4.顺便还介绍了python的广播机制，只是有一点感觉，但是没怎么看懂理论。5.编程的技巧：不要构造rank 为1的向量，多用asset，多用reshape http...
2018-07-25 21:57:31
254
转载 Coursera吴恩达《神经网络与深度学习》课程笔记（2）-- 神经网络基础之逻辑回归
个人总结，1.首先介绍二分类，其输入的维度为(NX，1),输出的维度为（1,1）如果多个样本输入，X的维度(nx, m), 输出的维度（1， m）2.逻辑回归，由线性回归引入逻辑回归，其区别为值域不一样，即【0,1】，因此引入了sigmod函数。为了计算参数，需要引入代价函数，单个样本叫做loss function，多个样本叫做cost function。本来可以考虑使用平方误差，但是...
2018-07-25 21:29:50
554
转载 Coursera吴恩达《神经网络与深度学习》课程笔记（1）-- 深度学习概述
我总结一下哈：1.什么是神经网络，房价形成的relu曲线就是一个神经，影响房价的多个因素组合起来，就形成了神经网络。（family_size, walkly, schoolly隐含层赋予的含义）；然后拿一堆数据进行训练，就完成了。2.监督学习；目前常见的都是监督学习，与非监督学习，此类学习含有标签信息；（房屋预测、广告推荐、图像、语音、翻译、无人驾驶）目前常用 的结构标准NN，CNN，...
2018-07-25 15:45:43
342
转载 Jupyter notebook入门教程（下）
https://blog.csdn.net/red_stone1/article/details/72863749Jupyter notebook的入门教程第二部分的英文原文出处： Getting started with the Jupyter notebook (part 2)从之前介绍的教程第一部分中，我们发现使用Jupyter notebook的基本功能就可以做很多事情了，但是它还...
2018-07-25 13:30:51
837
转载 Jupyter notebook入门教程（上）
https://blog.csdn.net/red_stone1/article/details/72858962本文将分上下两部分简单介绍Jupyter notebook的入门教程，英文原文出处：Getting started with the Jupyter notebook(part 1)Jupyter notebook（又称IPython notebook）是一个交互式的笔记本...
2018-07-25 13:30:16
708
转载 kaggle入门之二
https://blog.csdn.net/han_xiaoyang/article/details/49797143作者： 寒小阳 时间：2015年11月。 出处：http://blog.csdn.net/han_xiaoyang/article/details/49797143 声明：版权所有，转载请注明出处，谢谢。1.引言先说一句，年末双十一什么的一来，真是非(mang)常...
2018-07-25 00:05:16
482
转载 kaggle入门之一
https://blog.csdn.net/u012162613/article/details/41929171近期带娃搞专利，没啥事，我想开始刷刷kaggle大数据竞赛平台——Kaggle 入门篇 这篇文章适合那些刚接触Kaggle、想尽快熟悉Kaggle并且独立完成一个竞赛项目的网友，对于已经在Kaggle上参赛过的网友来说，大可不必耗费时间阅读本文。本文分为两部分介绍...
2018-07-24 23:38:02
330
原创 213
https://blog.csdn.net/KangRoger/article/details/56522132 吴恩达深度学习习题https://zhuanlan.zhihu.com/p/32235142 林轩田https://blog.csdn.net/red_stone1/article/details/80044059 kaggle竞赛http...
2018-07-24 15:29:44
154
转载 视频图像处理
https://blog.csdn.net/jyzhang_cvml/article/details/79687248为什么要采用这样的网络？众所周知的CNN网络对于图像的空间域的处理具有很好的效果，在单张图像的分类分割目标检测等问题上表现出了很好的效果。很多人或许有和我之前一样的疑问，既然单张图像上做的效果已经达到state-of-art的效果，为什么还要联系时间域上的信息呢？直接将视频...
2018-07-24 13:27:39
4474
原创 cnn之一
（1）pthon错误：1.1https://blog.csdn.net/u011957271/article/details/52698332Python错误SyntaxError: unexpected EOF while parsing这个错误是你语法有问题，我当时碰到是因为print（d.drop(）// 少打了一个括号，别盲目的相信自动补全 ，自己认真检查一下，肯定这行代码少了...
2018-07-19 23:34:53
147
转载 gpuz手册
https://blog.csdn.net/u013498580/article/details/80090103vidia-smi是用来查看GPU使用情况的。我常用这个命令判断哪几块GPU空闲，但是最近的GPU使用状态让我很困惑，于是把nvidia-smi命令显示的GPU使用表中各个内容的具体含义解释一下。 这是服务器上特斯拉K80的信息。 上面的表格中： 第一栏的Fan：N...
2018-07-18 23:24:25
1095
原创 分类算法测试
今天主要总结一些问题：（1）Blas GEMM launch failed : a.shape=(50, 784), b.shape=(784, 10), m=50, n=10, k=784这个问题很诡异：重启jupyter notebook就没有了，然后切换别的程序执行，又有了，查看GPU信息：程序都执行完很久了，显存还被占用着。待会我看下关闭之后的显存状态。（应该是代码不规范导致的...
2018-07-18 23:23:09
733
原创 关于tensorboard之二
关于此问题：: You must feed a value for placeholder tensor 'inputs/y_input' with dtype float and shape [?,1]参考：https://blog.csdn.net/m0_37870649/article/details/79428960https://blog.csdn.net/sinat_2...
2018-07-18 17:17:07
154
原创 tensorboard之一（显示网络结构）
with tf.name_scope('input'): xs = tf.placeholder(tf.float32, [None, 1], name = 'x_input') ys = tf.placeholder(tf.float32, [None, 1], name = 'y_input')def add_layer(input, in_size, out_size, ...
2018-07-18 13:12:36
4745
原创 神经网络初试之一sin（x）
今天试着用神经网络实验sinx的拟合效果（1）拟合数据x_data = np.linspace(-1.0, 1.0, 300, dtype = np.float32)[:, np.newaxis]noise = np.random.normal(0, 0.05, x_data.shape).astype(np.float32)y_data = np.sin(x_data * np.pi...
2018-07-18 11:01:39
3418
原创 网络爬虫基础之二（requests）
备注：此部分内容整理自莫烦python从主动和被动的角度来说, post 中文是发送, 比较主动, 你控制了服务器返回的内容. 而 get 中文是取得, 是被动的, 你没有发送给服务器个性化的信息, 它不会根据你个性化的信息返回不一样的 HTML.1.requests.get()功能import requestsimport webbrowserparam = {"wd": "莫烦Python...
2018-07-12 11:39:05
252
原创 网络爬虫实例之一
from bs4 import BeautifulSoupfrom urllib.request import urlopenimport reimport randombase_url = "https://baike.baidu.com"his = ["/item/%E7%BD%91%E7%BB%9C%E7%88%AC%E8%99%AB/5162711"]for i in range...
2018-07-12 11:26:27
2206
原创 网络爬虫总结之一
（1）正则爬虫（1.1）打开网址from urllib.request import urlopen# if has Chinese, apply decode()html = urlopen( "https://morvanzhou.github.io/static/scraping/basic-structure.html").read().decode('utf-8')pr...
2018-07-12 11:23:56
744
原创 正则表达式总结
回忆几条正则的命令：（1）按照类型匹配如果需要找到潜在的多个可能性文字, 我们可以使用 [] 将可能的字符囊括进来. 比如 [ab] 就说明我想要找的字符可以是 a 也可以是 b.\d : 任何数字\D : 不是数字\s : 任何 white space, 如 [\t\n\r\f\v]\S : 不是 white space\w : 任何大小写字母, 数字和 “” [a-zA-Z0-9]\W : 不...
2018-07-12 11:06:14
152
转载 正则表达式
简单的匹配 正则表达式无非就是在做这么一回事. 在文字中找到特定的内容, 比如下面的内容. 我们在 “dog runs to cat” 这句话中寻找是否存在 “cat” 或者 “bird”.# matching stringpattern1 = "cat"pattern2 = "bird"string = "dog runs to cat"print(pattern1 in string)...
2018-07-11 16:51:47
192
原创 pandas
如果用 python 的列表和字典来作比较, 那么可以说 Numpy 是列表形式的，没有数值标签，而 Pandas 就是字典形式。Pandas是基于Numpy构建的，让Numpy为中心的应用变得更加简单。要使用pandas，首先需要了解他主要两个数据结构：Series和DataFrame。s = pd.Series([1, 2.0, np.nan, 7452])data = pd.date_ran...
2018-07-11 11:42:52
181
原创 关于numpy
（1）常见的属性a = np.array([[1,2,3], [5, 2, 5]])a.sizea.ndima.shape（2）.创建数组np.ones((2, 4))np.array([[1, 2, 3], [3,4,5]])np.linspace(1, 12, 12).reshape((4, 3))(3)基本运算a = np.array([1, 2, 3])np.sin(a)print(a &...
2018-07-10 22:12:30
169
原创 multiprocessing_
https://morvanzhou.github.io/tutorials/python-basic/multiprocessing/多进程1.1 什么是 Multiprocessing1.2 添加进程 Process1.3 存储进程输出 Queue1.4 效率对比 threading & multiprocessing1.5 进程池 Pool1.6 共享内存 shared memory...
2018-07-10 17:56:31
187
转载 深度学习(莫烦Python基础：lecture 1）多线程 Threading
https://blog.csdn.net/malele4th/article/details/79460590原文：https://morvanzhou.github.io/learning-steps/多线程 Threading目录多线程 Threading目录1、什么是Threading2、添加线程Thread3、join功能4、存储进程结果 Queue5、GIL不一定有效率测试GIL（Gl...
2018-07-10 16:40:07
621
原创 python_multithread
1.首先是一个问题，有知道的请求讨论2.关于join的问题（join：不间断join中的线程）join(timeout=None) Wait until the thread terminates. This blocks the calling thread until the thread whose join() method is called terminates – either no...
2018-07-10 16:39:16
375
转载 Python-matplotlib画图(莫烦笔记)
https://www.zhihu.com/collection/260736383<此处就不自己写了，看了遍，照着写了一边，作者写的不错。不过有些有些偷懒，我只做了常见的功能>作者：触摸壹缕阳光链接：https://zhuanlan.zhihu.com/p/33270402来源：知乎著作权归作者所有，转载请联系作者获得授权。1.前言Matplotlib是一个python的 2D绘图库...
2018-07-10 12:07:24
174124
原创 python第一课（一些基础知识）
0.关于python的命名规则所谓”内部(Internal)”表示仅模块内可用, 或者, 在类内是保护或私有的.用单下划线(_)开头表示模块变量或函数是protected的(使用import * from时不会包含).用双下划线(__)开头的实例变量或方法表示类内私有.将相关的类和顶级函数放在同一个模块里. 不像Java, 没必要限制一个类一个模块.对类名使用大写字母开头的单词(如CapWords...
2018-07-09 21:59:54
195
转载 重新看anaconda
http://www.cnblogs.com/xiaoming123abc/p/6970890.html自己总结一下哈：（1）其实conda是一个包管理器，通过conda的环境来控制不同的环境。（2）主要的应用的场合，有些人需要多环境的编译。（3）不同的环境，也就是不同的包，即不同的路径，管理不同的附加包。1.去官网下载Anaconda 下载地址 选择对应的你的系统版本，比如我的是win7-64位...
2018-07-09 19:51:36
373
阅读英语芯片手册的技巧
2013-02-27
stm32启动过程详解
2013-02-27
关于cvWaitKey的工作机理；图像的闪烁问题；CPU下降措施
2015-07-28
VS编写的GMM函数，效率问题
2015-07-28
关于OPENCV 中MOG的问题，关于背景比例阈值的理解。
2015-07-23
TA创建的收藏夹 TA关注的收藏夹
TA关注的人