机器学习
文章平均质量分 50
jsmlay
这个作者很懒,什么都没留下…
展开
-
AI学习过程
AI领域的一些相关专家Ben Goertzel http://en.wikipedia.org/wiki/Ben_Goertzel AI领域的一些相关信息百度和谷歌的人工大脑应用的是 深度学习 要看的一些内容:(以后上班了就在地铁上看这些东西)纪录片:Through the Wormhole http://en.wikipedia.org/wi原创 2015-03-12 10:23:03 · 759 阅读 · 0 评论 -
关于如何实现加filter惩罚的网络剪裁
关于如何实现加filter惩罚的网络剪裁通过剪裁网络中Conv的Filter,能够实现对网络结构的压缩。使用Yolov2和SSD两个网络实测,效果显著。但是剪裁的时候Finetuning的时间较长,说明剪裁的时候减掉了一些不重要但有些用的filter,也就是说,filter的权重不是虽然都很小,但是不够接近0。为实现上一步,就必须在模型中加入对filter权重的惩罚,就必须知道网络如何实现对...原创 2018-12-02 20:46:49 · 440 阅读 · 0 评论 -
ubuntu上pycharm缺少libcupti.so
ubuntu系统14.04跑Deep Learning模型时,在控制台下一切正常,在pycharm下出现缺少libcupti.so的问题。经检查,是为安全保障,linux桌面application不能加载LD_LIBRARY_PATH环境的问题。许多大神给出解决方案,1、针对每个run,在run setting里设置环境变量;麻烦之处在于每个程序都要设置;2、修改系统文件; 这原创 2017-01-21 19:06:02 · 1328 阅读 · 0 评论 -
修正ptb_word_lm.py示例中的问题
在win7 + python3 + tf 1.0.0 alpha下执行ptb_word_lm.py运行时出现以下问题:1、无法找到rnn_cell;2、无法找到seq2seq;3、其他。修正方法为:from tensorflow.contrib import rnnrnn.BasicLSTMCellrnn.DropoutWrapperrnn.MultiR原创 2017-02-05 20:40:41 · 1535 阅读 · 0 评论 -
大数据分析之Spark初步——从安装到Demo
摘要:Spark是公司当前使用的大数据分析工具之一,这里就来初步的了解下Spark的应用。在本文中,首先对Spark及其依赖工具进行安装和配置,并配置使得能够在IDEA下进行程序的开发。文章最后使用IDEA开发一个《使用Kmeans算法求解鸢尾花》的大数据分析程序。---------------------------------------------------原创 2015-07-15 17:06:06 · 1552 阅读 · 0 评论 -
AI学习过程(6)把经历放在Pipeline的哪个步骤上?
一个PipeLine有很多步骤,如果部分主次的关注所有的步骤,通常是浪费时间的行为。如何选择正确的该花费经历的步骤采用以上方法,也即,在整个Pipeline流程中,首先使用原型系统获得准确率(85%),使用人工方式把第一步做完美,看最终系统的准确率提升,为85.1,那么该步骤的可提升范围是0.1%,依次这样做下去,挑出提升能力最强的序列,然后分配关注度。原创 2015-03-18 11:22:06 · 466 阅读 · 0 评论 -
AI学习过程(4)推荐系统
推荐系统是机器学习最常用的应用,无论是在硅谷实践还是在专家经验中。虽然在学术会议中,推荐系统几乎是不受到任何关注的较小的前沿领域,但是在实践中,推荐系统却是第一个要做的事情。我们只知道多个用户对多个电影的评分,如何求出属性?如何求出属性对应的Theta,要知道我们并不知道属性,也不知道Theta。这里有一个非常有趣的算法,就是:通过随机生成Theta->求解X->优化Theta->优化X并原创 2015-03-17 10:43:06 · 817 阅读 · 0 评论 -
AI学习过程(3)-异常检测
异常检测使用的是聚类算法,设定一个比例Epseno,当新点的概率p(x)在基于高斯函数的检验算法中,专家撰写一个式子并提出该式子的各部分应该符合独立假设,但是该专家说无论符不符合独立假设,该公式在实践中的使用效果都不错。这说明,即使在对待实践应用的问题,即使是重要分体(如引擎质量检测),即使是专家,也会在一定误差允许范围内容设定很多偷懒的算法。异常检测的验证方法与信息检索的算法验证方法极其相似原创 2015-03-17 08:54:08 · 1322 阅读 · 0 评论 -
关于Lasso与Lasso深入理解
人生还是要优点追求,自己应该掌握的,都躲不过去的!在做深度学习剪裁的时候,一个问题绕不过去,就是:L1-norm,L2-norm,Lasso,Group Lasso,LARS,Group LARS的概念、原因、关系及使用。在逐步的学习中,主要依赖于这几个论文LARShttps://cosx.org/2011/04/an-introduction-to-lars/ 及https://cosx.o...原创 2018-12-05 15:49:04 · 4352 阅读 · 0 评论