我的代码管家---houwenbin的专栏

搞机器学习的几大框架是必须了解，至少都跑过一遍吧！个人感觉mxnet比较好搭建的，尤其是Ubuntu环境下~~~一、安装必须的GCC等环境sudo apt-get update (必须，不然会遇到安装openblas、atlas时找不到网站)sudo apt-get install build-essential git (任选一libblas-dev、libatlas-bas

折腾了大半天，最后发现自己只需要这样的一个环境jupyter：新手真的不建议去手动编译什么的（国内的网络）硬是搞得残废了~~~~大前提是你成功安装了docker容器（能够成功运行hello-world）一、安装paddlepaddle/book docker镜像houwenbin@houwenbin-GA-6UASL3:~$houwenbin@houwen

来源于：https://github.com/jcsilva/docker-kaldi-androidDockerfile:FROM ubuntu:16.04RUN mkdir -p /opt/android-sdk-linux && mkdir -p ~/.android && touch ~/.android/repositories.cfgENV WORKING_DI

Google发布了tensorflow lite，致力于移动端智能计算，第一时间下载来尝试，平均性能200ms，感谢谷歌！！！这里我上传了我的工程（http://download.csdn.net/download/houwenbin1986/10120816）本压缩包是Android的AS工程，解压导入就能轻松编译测试！！！我贴一下主要的步骤：app/

今天以caffe-yolo(https://github.com/yeahkun/caffe-yolo.git)为例：首先，下载代码库：git clone https://github.com/yeahkun/caffe-yolo.git修改以下几个文件：src/caffe/layers/detection_loss_layer.cpp注释掉：#ifdef

简单讲就是，Input--->系统（这里指神经网络）--->Output（直接给出输入，NN神经网络就给出结果，一气喝成！！！）借用一段对话：

我们如何运用已经训练好的模型进行语音识别呢？这才是我们研究的目的啊，是不？很好，细心的你一定会发现kaldi源码src目录中有online*相关的模块，这就是我们今天的主角啦！！！Kaldi中有两个版本的online、online2分别是第一代、第二代，现在已经不维护online，转到online2了，但作为我们入门的，我建议还是选择online，由简入深嘛！！！默认kaldi

最近在查看Hinton最新的论文，提出了新的神经网络架构，最核心的神经元变成了一组取名为Capsule，输入相应的变成了向量（或者张量更有高大上的feel），关于该网络的实现已经有牛人复现了，感谢：云梦居客（https://github.com/naturomics/CapsNet-Tensorflow）https://www.zhihu.com/question/67287444/a

以下例子展示了怎么训练数据来实现 XOR (异或)功能。Example #1 xor.data file4 2 1-1 -1-1-1 111 -111 1-1数据解读：Here is an explanation for the input file for training, as it might be obvious to everyone a

首先了解下Iris鸢尾花数据集：Iris数据集（https://en.wikipedia.org/wiki/Iris_flower_data_set）是常用的分类实验数据集，由Fisher,1936收集整理。Iris也称鸢尾花卉数据集，是一类多重变量分析的数据集。数据集包含150个数据集，分为3类，每类50个数据，每个数据包含4个属性。可通过花萼长度，花萼宽度，花瓣长度，花瓣宽度4个属性预测鸢

基于机器学习库的神经网络代码已经非常精简了，对于用户来说都是黑盒子，其内部到底怎么运作的呢？原理虽然简单，但真正要操刀书写，估计一时半会也不好弄，幸好大牛们开源了、只需要一个类就能明明白白！！！backprop.h//////////////////////////////////////////////// Fully connected multilayered feed

1、首先是原理：这个讲得比较好(http://blog.csdn.net/google19890102/article/details/18222103)一、极限学习机的概念       极限学习机(Extreme Learning Machine) ELM，是由黄广斌提出来的求解单隐层神经网络的算法。       ELM最大的特点是对于传统的神经网络，尤其