Harrytsz的博客

可执行文件，双击 exe 软件即可启动客户端页面。

神经网络的基本单元就是一个一个的感知机，感知机有两部分组成：线性部分和激活函数部分。一个感知机的能力是有限的，他只能将数据进行二分，而且这些数据还必须是线性可分的。普遍逼近定理： 只要神经网络有一个隐藏层，它就可以任意逼近一个连续函数。这就让我想到了傅里叶级数，傅里叶级数其实就是把一个复杂的函数拆解成一个一个的圆周运动或者叫正弦波。神经网络也一样，他也是把一个复杂函数拆解成一个一个感知机。说到底就是一个线性函数+一个激活函数的形式。都是化复杂为简单。傅里叶级数和神经网络很像，傅里叶级数用正弦函数去逼近任

神经网络学习小记录61——Tensorflow2 搭建常见分类网络平台（VGG16、MobileNet、ResNet50） 学习前言源码下载分类网络的常见形式分类网络介绍1、VGG16网络介绍2、MobilenetV1网络介绍3、ResNet50网络介绍a、什么是残差网络b、什么是ResNet50模型 分类网络的训练1、LOSS介绍2、利用分类网络进行训练a、数据集的准备b、数据集的处理c、开始网络训练 学习前言 tf2的分类代码也要做一下。 源码下载 https://g

目录[论文解读] 阿里DIEN整体代码结构0x00 摘要0x01 文件简介0x02 总体架构0x03 总体代码0x04 模型基类4.1 基本逻辑4.2 模块分析4.2.1 构建变量4.2.2 构建embedding4.2.3 拼接embedding0x05 Model_DIN_V2_Gru_Vec_attGru_Neg5.1 第一层 ‘rnn_1’5.1.1 GRU5.1.2 辅助损失5.1.3 mask的作用Padding MaskSequence

Jiagu使用大规模语料训练而成。将提供中文分词、词性标注、命名实体识别、情感分析、知识图谱关系抽取、关键词抽取、文本摘要、新词发现、情感分析、文本聚类等常用自然语言处理功能。目录安装方式使用方式评价标准附录说明提供的功能有：中文分词词性标注命名实体识别知识图谱关系抽取关键词提取文本摘要新词发现情感分析文本聚类等等。。。。安装方式pip安装pip install -U jiagu如果比较慢，可以使用清华的pip源：pip install -U jiagu

1.工具1.1 Jiagu 自然语言处理工具Jiagu使用大规模语料训练而成。将提供中文分词、词性标注、命名实体识别、情感分析、知识图谱关系抽取、关键词抽取、文本摘要、新词发现、情感分析、文本聚类等常用自然语言处理功能。Jiagu 详细内容参考：https://github.com/ownthink/Jiagu1.2 Neo4jubuntu 安装 neo4j安装服务端wget -O - https://debian.neo4j.org/neotechnology.gpg.key | sud

原文该作者也是翻译的外文，英文原文链接引言自然语言处理（NLP）是一种艺术与科学的结合，旨在从文本数据中提取信息。在它的帮助下，我们从文本中提炼出适用于计算机算法的信息。从自动翻译、文本分类到情绪分析，自然语言处理成为所有数据科学家的必备技能之一。常见的10个NLP任务如下：词干提取词形还原词向量化词性标注命名实体消岐命名实体识别情感分析文本语义相似分析语种辨识文本总结以下将详细展开：1.词干提取什么是词干提取？词干提取是将词语去除变化或衍生形式，转换为词干或原型形式的

多路召回召回阶段业界一般会采用多路召回，多路召回就是一路一路地去召回。按照兴趣召回：知道用户的长期兴趣和短期兴趣，根据用户的兴趣去查找不同的物料内容。按照位置召回：根据用户的上下文，比如说位置。当前这个用户在国外旅游，将用户的位置信息生成物料。然后去查找位置类型的物料。按照xx策略召回召回阶段要做的事情是：在成千上万的内容中找到用户可能关心的候选集，这里的候选集不是最终给用户的。一般来说，一路召回的数量在一百两百级别，多路召回加起来可能在五百到一千级别。召回阶段得到候选集之后，下一步就是要做

AI 算法工程师不但需要基础能力扎实，还要具备良好的工程落地能力，那在 NLP 工程师面试的时候你知道面试官会从哪些维度去考察你这两方面的能力吗？今天我就结合我的一些 NLP 面试和被面试经验来给你讲一讲。工程上使用 Tensorflow 的更多，在实际面试的时候，你不仅需要知识储备足够广，更需要在某维能力上足够深。因为通常面试官也希望能发掘出你在某维能力上的突出和优势，俗称“亮点”。接下来我会分别从广度和深度两方面举例说明，什么样的面试回答更好，好在哪里。首先，从知识储备的广度来说，我以语义匹配都

环境：Hardware: Raspberry PI 4B - 8G - SD 卡(16G)OS ：Raspberry Pi OS 2021Desktop DownloadPython3/ Win32DiskImager(烧录镜像软件) Or Raspberry Pi Imager(树莓派自带镜像烧录软件)USB 麦克风/音箱（耳机）1. 搭建操作系统**Step 1: ** 官网下载镜像文件，经测试树莓派4B安装 Ubuntu20 桌面版本经常出现卡顿现象，而且 Ubunt

本文基于 Ubuntu20.04.1 LTS GTX 1050Ti Nvidia-smi 460.32.03 Driver Version: 460.32.03 CUDA Version: 11.2Nvidia 驱动可以使用 Ubuntu 设置->关于->Software Updates->附加驱动进行选择安装，安装好后重启即可。然后使用命令行查看驱动信息：nvidia-smi1. Ubuntu 中的安装在 Ubuntu 中使用 Anaconda 的 conda 安装 Pyt

文章目录项目介绍源码分析1.用户注册，人脸录入人脸录入前端代码：人脸录入后端代码：2.人脸识别登录部分登录界面的前端代码人脸登录后台代码:3.文件上传部分图片模糊前端代码图片模糊后台代码：4.人脸区域模糊功能项目介绍本项目主要实现了通过人脸识别的方式进行网页的登录。网页采用Django框架开发，使用离线的face_recognition来进行人脸识别。登录完成后网页提供了一个人脸区域模糊的功能。项目效果视频展示：人脸识别网页登录项目源码：https://github.com/MicahYin/.

推荐系统面试题之机器学习（一） ----- 树模型简单介绍一下XGBXGBoost为什么使用泰勒二阶展开？为什么用二阶信息不用一阶？XGBoost在什么地方做的剪枝，怎么做的？XGBoost如何分布式？特征分布式和数据分布式？ 各有什么存在的问题？XGBoost里处理缺失值的方法？XGBoost有那些优化？xgboost对预测模型特征重要性排序的原理？XGBoost如何寻找最优...

 转载请注明本文链接：http://www.cnblogs.com/EE-NovRain/p/3810737.html 　　现在做在线学习和CTR常常会用到逻辑回归（ Logistic Regression），而传统的批量（batch）算法无法有效地处理超大规模的数据集和在线数据流，google先后三年时间（2010年-2013年）从理论研究到实际工程化实现的FTR...

English Websites蛐蛐英语杂志下载CV极市平台

前言：刚开始是不打算写这篇博客的，但是我最近为了完成对老师布置的区域生长算法，强行要配置一波opencv，因为换了电脑，所以选择了有黑黑主题酷酷的VS2017，但无奈网上的博客关于vs2017配置Opencv不够全（vs2010配置opencv的倒是贼多！），我当时是看了将近10篇文章才配置成功，所以在此我来从一个新入坑的角度来说一下怎么完整的配置一个OPencv！下面就分步来进行说明吧！注意...

Linux 搭建深度学习环境教程Notes:如果只是单纯的想搭建一个基础的 GPU 深度学习环境，其实根本不需要按照网上绝大部分教程那样依次手动下载并安装 Nvidia 驱动，CUDA toolkit 安装包，CUDNN 安装包，（PS.根据这些教程几乎也没有成功过????）。Nvidia 驱动对 Linux 的兼容性不友好的问题由来已久，其实祖师爷很懂每一位被驱动兼容性折磨的小伙伴的心情，这不...

一、梯度下降算法理论知识我们给出一组房子面积，卧室数目以及对应房价数据，如何从数据中找到房价y与面积x1和卧室数目x2的关系？为了实现监督学习，我们选择采用自变量x1、x2的线性函数来评估因变量y值，得到：这里，sita1、sita2代表自变量x1、x2的权重（weights），sita0代表偏移量。为了方便，我们将评估值写作h(x)，令x0=1，则h(x)可以写作：其中n为输入样本...

xgboost入门与实战（实战调参篇）前言前面几篇博文都在学习原理知识，是时候上数据上模型跑一跑了。本文用的数据来自kaggle，相信搞机器学习的同学们都知道它，kaggle上有几个老题目一直开放，适合给新手练级，上面还有很多老司机的方案共享以及讨论，非常方便新手入门。这次用的数据是Classify handwritten digits using the famous MNIST data—...

分享一个朋友的人工智能教程。零基础！通俗易懂！风趣幽默！还带黄段子！大家可以看看是否对自己有帮助http://www.captainbed.net/luanpeng教程更新到自家网站上：http://www.data-master.net/python基础教程python基础系列教程——Python的安装与测试：python解释器、PyDev编辑器、pycharm编译器python基础...

python数据挖掘系列教程支持向量机svm的相关的知识内容可以参考 https://blog.csdn.net/luanpeng825485697/article/details/78823919支持向量机的优势在于:在高维空间中非常高效.即使在数据维度比样本数量大的情况下仍然有效.在决策函数（称为支持向量）中使用训练集的子集,因此它也是高效利用内存的.通用性: 不同的核...

以下是关于神经网络、机器学习、深度学习以及大数据学习的备忘单，其中部分内容和此前发布的《资源 | 值得收藏的 27 个机器学习的小抄》有所重复，大家可以两篇综合起来看。提示：点击图片查看大图神经网络Neural Networks Cheat Sheet神经网络图谱Neural Networks Graphs Cheat SheetNeural Network Cheat&nbs...

机器学习神书之一的 PRML（模式识别与机器学习）是所有机器学习读者或希望系统理解机器学习的读者所必须了解的书籍。这本书系统而全面地论述了模式识别与机器学习领域的基本知识和最新发展，而该 GitHub 项目希望实现这本书的所有算法与概念，是非常优秀的资源与项目。GitHub地址：https://github.com//ctgk/PRMLPRML 这本机器学习和模式识别领域中经典的教科书...

频率派 VS 贝叶斯派机器学习中引入概率很自然，把数据当做是一个概率模型。X：表示数据 data ——> 有 N 个样本，每个样本维度为 P： X=(x1x2...xN)N×PTX = (x_{1} x_{2} ... x_{N})^{T}_{N \times P}X=(x1​x2​...xN​)N×PT​θ\thetaθ：表示参数 parameter频率派：认为模型的参数 θ\th...

TLDR (or the take away)频率学派 - Frequentist - Maximum Likelihood Estimation (MLE，最大似然估计)贝叶斯学派 - Bayesian - Maximum A Posteriori (MAP，最大后验估计)概述有时候和别人聊天，对方会说自己有很多机器学习经验，深入一聊发现，对方竟然对MLE和MAP一知半解，至少在我看来，...

正态分布（德语：Normalverteilung；英语：normal distribution）又名高斯分布（德语：Gauß-Verteilung；英语：Gaussian distribution, 以德国数学家卡尔·弗里德里希·高斯的姓冠名）。想必这个大名鼎鼎的分布，跟高斯这个名字一样，如雷贯耳，只要稍有数学常识，都应该不陌生吧，即便你已经记不太清楚它的密度函数具体长什么样子了，没关系，密度函...

随着机器学习的广泛应用，如何高效的把训练好的机器学习的模型部署到生产环境，正在被越来越多的工具所支持。我们今天就来看一看不同的工具是如何解决这个问题的。上图的过程是一个数据科学项目所要经历的典型的过程。从数据采集开始，经历数据分析，数据变形，数据验证，数据拆分，训练，模型创建，模型验证，大规模训练，模型发布，到提供服务，监控和日志。诸多的机器学习工具如Scikt-Learn，Spark, Te...

前面的文章对线性回归做了一个小结，文章在这： 线性回归原理小结。里面对线性回归的正则化也做了一个初步的介绍。提到了线性回归的 L2L_{2}L2​ 正则化 - RidgeRidgeRidge 回归，以及线性回归的 L1L_{1}L1​ 正则化 - LassoLassoLasso 回归。但是对于 LassoLassoLasso 回归的解法没有提及，本文是对该文的补充和扩展。以下都用矩阵法表示，如果对...

coordinate-wise minimization(坐标朝向最小)coordinate-wise minimization介绍的是坐标下降法的理论依据。问题的描述：给定一个可微的凸函数 f:Rn→Rf : \mathbb{R}^{n} \rightarrow \mathbb{R}f:Rn→R，如果在某一点 xxx，使得 f(x)f(x)f(x) 在每一个坐标轴上都是最小值，...

Matplotlib: 中文文档 ：链接：https://pan.baidu.com/s/1wEPQZHe3Wi8Gjb31foUIAA 提取码：n9j7

新建 AipNlp:AipNlp 是自然语言处理的 Python SDK 客户端，为使用自然语言处理的开发人员提供了一系列的交互方法。参考如下代码新建一个 AipNlp:from aip import AipNlp""" 你的 APPID AK SK """APP_ID = '15240036' #'你的 APP ID'A..

微信公众号关键字全网搜索最新排名【机器学习算法】：排名第一【机器学习】：排名第一【Python】：排名第三【算法】：排名第四前言奇异值分解(Singular Value Decomposition，简称SVD)是在机器学习领域广泛应用的算法，它不光可以用于降维算法中的特征分解，还可以用于推荐系统，以及自然语言处理等领域，是很多机器学习算法的基石。本文就对SVD的原理做一个总结，并讨...

全栈工程师开发手册 （作者：栾鹏） python数据挖掘系列教程优化的相关的知识内容可以参考 https://blog.csdn.net/luanpeng825485697/article/details/78765923网格搜索GridSearchCVGridSearchCV用于系统地遍历多种参数组合，通过交叉验证确定最佳效果参数。classsklearn.model_s...

全栈工程师开发手册 （作者：栾鹏）python数据挖掘系列教程安装xgboost目前还不能pip在线安装，所以先在网址https://www.lfd.uci.edu/~gohlke/pythonlibs/#xgboost 中下载whl文件，然后参考https://blog.csdn.net/luanpeng825485697/article/details/77816740 进行离线安装...

1、ImageNet数据集背景介绍： 如果说Mnist数据集将初学者领进了深度学习领域，那么Imagenet数据集在深度学习中尤其是计算机视觉领域掀起了巨大的浪潮。ImageNet项目于2007年由斯坦福大学华人教授李飞飞创办，目标是收集大量带有标注信息的图片数据供计算机视觉模型训练。ImageNet拥有1500万张标注过的高清图片，总共拥有22000类，其中约有100万张标注了图片中主要物体的...

运行python脚本时报错：ImportError: No module named cv2第一想法：使用命令：pip install cv2会报错找不到请求的版本解决方法：使用命令pip install opencv-python...

摘要之前在看Andrew Ng 的deep learning 视频教程,在RNN 这一节的课后作业里,实现了一个基于deepjazz的music generator,实验之后发现产生的结果还有模有样的,这激发了我的兴趣,于是我就查阅了一些资料,看看音乐的自动生成方面最近有哪些进展,特别是深度学习在这一块的应用。之前在看Andrew Ng 的deep learning 视频教程,在RNN 这一节...

pytorch: Tensor 常用操作torch.tensor是一个包含多个同类数据类型数据的多维矩阵。常用参数dtype: tessor的数据类型，总共有八种数据类型。其中默认的类型是torch.FloatTensor,而且这种类型的别名也可以写作torch.Tensor。 Data type dtype CPU tensor GPU tensor 3...