添柴程序猿
10年编程工作,涉及到.Net,Java,Android,C,Python等,爱好算法,人工智能,大数据等领域, 虚心求教,一起进步,大学毕业参加工作,如今一晃10多年已过,时间飞逝....
展开
-
人工智能_AI服务器安装清华开源_CHATGLM大语言模型_GLM-6B安装部署_使用AI服务器安装_人工智能工作笔记0092
看到的这个开源的大模型,很牛,~关键让我们自己也可以部署体验一把了,虽然不知道具体内部怎么构造的但是,也可以自己使用也挺好.安装以后,是可以使用python代码进行提问,然后返回结果的,这样就可以实现我们自己的chat应用了,这个已经有这个模型了,自带的,当然也可以自己去下载最新的安装,这个模型其实就是62亿的训练数据.可以看到安装的需求,如果自己没有那么高的显卡配置可以,用CPU安装,但是配置也需要高一些。当然也可以使用我们自己的数据集,让这个算法进行自动学习和微调,然后来做预测,但是。原创 2023-11-28 11:53:21 · 599 阅读 · 0 评论 -
人工智能_机器学习051_支持向量机SVM概念介绍_理解support vector machine---人工智能工作笔记0091
可以看到这里svm,支持向量机,就是根据,这些支持向量点,这里的支持向量点就是指的p1,p2,p3,这样的点,来最大化margin,这里的margin就是表示距离,就是图上的d距离对吧. 就是苹果p1,p2,p3,来找到最优的决策边界线,也就是我们要找的machine了对吧,我们把这个线,就可以叫做找到的分类器,可以看到这里的最优决策边界,就是我们要找到的b线对吧,然后支持向量,指的是离决策边界,也就是离线b最近的点,上面是这里的p1,p2,p3点,然后,距离决策边界线的距离就是d对吧。原创 2023-11-26 15:30:05 · 415 阅读 · 1 评论 -
人工智能基础_机器学习015_BGD批量梯度下降代码演示_在批量梯度下降中使用逆时衰减---人工智能工作笔记0055
否则不能进行数组运算。因为这里:np.random.randn(100) 是取100个数,而,X是100行1列,所以得到的y应该也是100行一列的,这样就自动进行广播了,numpy 具有广播机制,这个需要学习了numpy才行,后面再写相关的博客。这里需要解释:这里的theta我们生成了一个,2行一列的值,其实就是2个值,分别表示,w和b,一元一次方程的w和b,对吧,所以是两个,但是这两个是随机生成的,我们求就是,先随机生成一个w,一个b,然后。最后,对于广播运算的结果,其形状是按照广播规则计算得出的。原创 2023-11-01 14:52:07 · 983 阅读 · 0 评论 -
人工智能基础_机器学习014_BGD批量梯度下降公式更新_进一步推导_SGD随机梯度下降和MBGD小批量梯度下降公式进一步推导---人工智能工作笔记0054
正是由于SGD这个精确度低,比如如果看马云就说所有中国人都是亿万富翁那么是不合适的,既然SGD不准确,而BGD又慢,那么可以进行MBGD,进行小批量梯度下降.然后,还要知道这里i表示样本数,比如有500行的样本数据,那么这个n就是到500,也可以说是行的数列,然后j表示特征数,也可以说是列的数量.学习矩阵了 那块的数学知识了,我们先知道公式,知道结果就可以了,后面有时间再去学吧,要学的东西太多了.SGD可以看到对应的路,走的太弯了,虽然速度快,但是准确度低,而BGD就很慢,而MBGD就兼顾了。原创 2023-11-01 10:50:09 · 543 阅读 · 0 评论 -
人工智能基础_机器学习013_三种梯度下降对比_线性回归梯度下降更新公式_对梯度下降函数求偏导数_得到---人工智能工作笔记0053
对于二元函数,一个z对应一个x和一个y,那就有两个导数,一个是z对x的导数,一个是z对y的导数,称之为偏导。4.然后判断是否收敛,这个收敛,可以给seta和last_seta之间的差的绝对值比如小于0.0001的时候,我们自己定义一个规则,或者g小于0.5的时候,或者知道损失函数loss,几乎不会变化的时候。导数和偏导数.如果是多元一次方程,多个系数的时候,就是求偏导,什么意思,因为,一元一次是点,如果多元一次,就是面了,一元一次是,在一个曲线上求斜率,而多元一次是在一个面上求一个点的斜率.原创 2023-11-01 10:06:51 · 485 阅读 · 0 评论 -
人工智能基础_机器学习001_线性回归_多元线性回归_最优解_基本概念_有监督机器学习_jupyter notebook---人工智能工作笔记0040
然后我们实际问题求的都是最优解,比如去一趟美国,直接打个洞,直线过去,最快,是绝对解,但是一般我们不会这么做,我们只会计算一个最优解.最优的路线.然后我们去看一下这个就是一个一元一次方程的线,可以看到,我们做出来一个预测模型,也就是上面的直线,而真实数据,就落在这个线的附近对吧.预测值写成yhat y带一个帽子,是把x带入公式,但是这里的a和b,这两个模型参数是猜出来的,是尽可能对的,不是一定对的.这里要知道,x是影响y的因素,然后 w,b 指的是模型,也就是如果w,b能确定,那么给一个x就能预测y了.原创 2023-10-24 16:44:47 · 1421 阅读 · 1 评论 -
对接百度文心一言API---人工智能工作笔记0039
这里的参数grant_type这个是client_credentials是固定的,然后。注意access_token就是上面我们请求以后返回的data中的内容.可以看到返回的结果,这个你好就是发送给文心一言的。看返回的内容 ,这个返回的data要记住.Content-Type也按照上面写上。然后我们再看看怎么获取文心一言的回复。1.获取文心一言的api key。点击 创建API key就可以了。可以看到输入json的参数内容。然后先用postman测试一下。然后获取返回后的内容。原创 2023-05-31 15:05:07 · 2341 阅读 · 0 评论 -
机器学习_数据升维_多项式回归代码_保险案例数据说明_补充_均匀分布_标准正太分布---人工智能工作笔记0038
np.random.rand(m,1)注意这里获取的是100行,一维度的数据,因为m是100,这里的1表示数据的维度,这个数据还是0到1的包含0不包含1,这个是符合均匀分布的100个数据。degree=i表示阶数,表示,多项式展开的时候按照几阶展开,可以看到这里的i,实际上就是,d={1:'g-',2:'r+',10:'y*'},中的1,2,10对吧 然后。np.random.randn(m,1) 表示,100行符合正太分布的一维度的数据,其实就是u=0,O=1方差是1的x的数据,一维的对吧.原创 2023-05-27 18:45:19 · 477 阅读 · 0 评论 -
机器学习_Lasso回归_ElasticNet回归_PolynomialFeatures算法介绍_02---人工智能工作笔记0037
为什么L1会让,某些w趋近于0,某些w趋近于1,是因为:L1 是绝对值的加和,那么如果某个权重w趋于0,那么加起来,相当于没有加,所以就相当于,就相当于过滤掉了一些无关紧要的权重,使得有意义的权重保留,越趋近于1的权重保留.这样依赖,权重小的趋近于0的几乎没有影响了,权重w大的值的影响就会凸显出来.x0,x1,x1的平方,x1的三次方,x2,x2的平方,x2的三次方,x1x2,x1x2的平方,x1的平方x2,注意这里元一元,二元,值得是有几个维度,比如x0,x1就是二元然后,x1的1次方 就是1阶 如果。原创 2023-05-26 17:14:58 · 620 阅读 · 0 评论 -
NLP_什么是统计语言模型_条件概率的链式法则_n元统计语言模型_马尔科夫链_数据稀疏(出现了词库中没有的词)_统计语言模型的平滑策略---人工智能工作笔记0035
我们计算:"判断","这个","词","的" 后面出现的的词的概率,本来我们要先,计算 "判断","这个","词","的" 这几个词按照顺序出现的概率,然后再计算"判断","这个","词","的" 后面出现 "词性" 这个词的概率.我们有了词库以后,比如我们有一个 "词性" "火星",这两个词的词库,那么计算P(w_next|"判断","这个","词","的")中的w_next概率的时候,也就是预测填空中的词的时候,就可以,把词库中的每个词带入.原创 2023-04-23 23:03:45 · 235 阅读 · 0 评论 -
人工智能_需要补充的知识记录---人工智能工作笔记0036
1.NLP中的统计语言模型,是通过:条件概率的链式法则 来计算每个词的概率的,那么这个条件概率的链式法则需要补充学习。原创 2023-04-23 15:18:11 · 67 阅读 · 0 评论 -
了解Transformer架构的前奏_什么是预训练_理解预训练---人工智能工作笔记0034
比如这里我们有了一个10w个鹅和鸭的图片训练的一个模型A,这个模型是100层的CNN卷积神经网络做的,那么,当领导给我们一个任务,给100张猫狗图片,让我们去做分类,并且要训练100层的CNN,鹅鸭训练好的模型,中的浅层,直接拿过来用,比如我们拿来鹅鸭用10万张图片训练好的模型的前50层做为浅层直接拿过来用,然后我们,再去自己训练后面的50层,来用.1.最早的时候,做机器学习,就是偏数学的,比如用的决策树,支持向量机,线性回归,逻辑回归等算法.我们其他的所有的任务都可以,根据模型A来进行浅层沿用和训练吗?原创 2023-04-21 17:33:28 · 493 阅读 · 0 评论 -
Transformer介绍_前世今生_起源_理解transformer的由来_RNN_LSTM_Elmo_Attention_Transfomer---人工智能工作笔记0033
之前transformer是用于解决nlp领域的数据的,因为文字类的领域是可以把数据,做为字符输入框架的,但是后来,语音数据处理以后,然后图片,视频数据处理以后,也可以变成序列数据输入到transformer框架中,所以transformer就几乎被看做是通用的了.transformer可以看做是一个特征提取器,我们把一堆的数据,杂乱无章给他,他可以帮我们提取出来,数据的特点,比如数据是描述一个人的,大量的数据中,有很多的比例突出这个人能言善辩,那么。这里从图像处理开始,延伸到,语言处理..原创 2023-04-20 22:44:02 · 452 阅读 · 0 评论 -
岭回归_过拟合总结_过拟合解决方案_正则化_L1_L2正则_岭回归代码实现---人工智能工作笔记0031
我们来看,因为正确性是在加正则化L2,最小平方之前的对吧,也就是说,之前在加正则化L2最小平方和,也就是在加所有w权重的平方和之前,的损失函数,肯定是最能很贴合的去拟合数据的,也就是函数准确性是最高的对吧,但是加了L2正则化以后,那么可以看到,前面有个min,其实就是,既要对原来的损失函数取最小值,又要对后面的w权重的平方和取最小值对吧,而,正确性和泛化性,又有tradeoff效应,然后我们这里,可以看到,如果只用损失函数的话,那么,做出来的最优解肯定是,正确性比较高的,那么。原创 2023-03-23 23:20:34 · 268 阅读 · 0 评论 -
最大值最小值归一化_sklearn官网介绍_什么是过拟合_防止过拟合_为什么权重W越少越小越好---人工智能工作笔记0030
就会出现,W2已经干完活了,在那闲着,然后W1还在赶工对吧,这个时候,怎么调整,呢,肯定不能,让他俩掉个个对吧,在机器学习中,公式是固定的没办法分开,这怎么办呢?分类问题 的函数 y=ax+b ,然后这个聚类,其实输入的仅仅x的值,x1...xn,对吧,他的做法是,把具有相似特征的个体放到一起对吧,来进行分组可以看到。可以这样,我们找两个,能力相当的W2,W1,然后给他俩分配,几乎一样的任务,这样就能保证他俩,几乎一块做完工作了.然后可以看到右边画的图,这个时候,如果x1,x2,这两个。原创 2023-03-18 17:33:13 · 727 阅读 · 0 评论 -
机器学习中的归一化问题_梯度下降做归一化的必要性_数据缩放_最大最小值归一化方法---人工智能工作笔记0029
然后我们因为有两组样本,我们再写一个,g2=(yhat-y)*x2的转置,可以看到这里,我们说,对于在一个正态分布图中来说,对于某个点,某个y值来说,yhat来说,如果这两个是确定的,那么,在这个公式中,影响g斜率的,就是x,那么也就是说,如果x越大,那么斜率就越大,如果x越小斜率就越小对吧.这个也很容易理解,比如x绝对值越小,越接近山谷,最小值,那么斜率就越小对吧,x的绝对值越大,那么对应的斜率也越大,也就是一次跨的幅度越大对吧.原创 2023-03-18 15:59:40 · 665 阅读 · 0 评论 -
随机梯度下降_以及代码实现_mini-batchGD_调整学习率---人工智能工作笔记0028
然后我们来看一下随机梯度下降,可以看到,这里,随机梯度下降其实就是,我们为了找到最快下山的路,我们有n个走法,那么我不管,走那一条路,我随便选一条,也就是在m个样本中,随机选择一个样本,然后就进行走,那么...因为是随机,选择一组样本就走,所以,走出来有可能是向下山走的,甚至有可能是上山走的路对吧...所以说,这个随机梯度下降,不好说...走的对不对,但是可以通过,提高走的次数.那么如何进行,最快的找到,最快的下山的路呢,也就是,最快的找到 求得多维数据下的最优解...原创 2023-03-16 10:07:12 · 433 阅读 · 0 评论 -
人工智能高等数学--人工智能需要的数学知识_微积分_线性代数_概率论_最优化---人工智能工作笔记0024
而剩下的百分之0.1的问题,需要用神经网络来解决,对于机器学习的问题,一般都是一个凸函数,做为目标函数,或者叫损失函数。这里要知道机器学习是百分之99的问题,比如线性回归,岭回归,支持向量机,logistic回归等都是凸优化问题。但是神经网络,比这个复杂,它用来解决,非凸函数,比如上面左边画的那个函数,可以看到有两个最小值对吧.在机器学习中主要用到了微分部分,微分是用来求函数的极值,这个求极值,其实就是机器学习库中很多的。想必微积分来说,线性代数用的更多,几乎机器学习的所有地方都用,具体用到上面的知识点。原创 2023-02-27 20:50:17 · 271 阅读 · 0 评论 -
启动定时线程_新线程处理数据-比较耗时的任务最好要异步的处理,并且要设置合适的线程结束点---SpringCloud工作笔记191
asyncConfirmData(ScheduledExecutorService threadPool,List desList,...其他参数){如果代码中某个处理十分耗时那么就需要异步进行处理,现在异步处理开线程是很方便了,可以通过上面这种,创建一个线程池,然后给个执行周期就可以了,用到可以参考来食用.原创 2022-11-09 20:59:21 · 291 阅读 · 0 评论 -
用代码实现解析解的方式求解_梯度下降法的开始_理解梯度下降法_sklearn模块使用线性回归---人工智能工作笔记0023
所以可以看到这里得到的结果,其实,3.839...就是我们说的w0也就是4,那么3.2267...就是我们上面说的w1,也就是3,也就是说,但我们的,这两个模型是,w0 = 3.839... w1 = 3.2267...的时候,我们的。那么这里的,np.random.randn(100,1),这个是个标准正态分布中的一组值,我们用它来模拟误差,我们之前也推导的时候,说过,我们就是假设,误差是随机的,并且,符合正太分布的,所以,这里我们用。原创 2022-10-10 23:28:47 · 496 阅读 · 0 评论 -
推导出损失函数_推导出解析解---人工智能工作笔记0022
然后我们再来看一下这个: mlog,根号2π西格玛 分之1这部分,可以看到这部分,跟我们的数据集,其实没有关系,我们的数据集是x,y对吧,这个跟x,y没有关系,里面没有x,也没有y,所以,这个部分,我们先放在这里,我们接着往下看.也就是之前说的,y = ax +b 这里,把a,b确定以后,带入真实的值x,得到一个y,然后得到的这个yhat,预测值和真实的y进行想减,出来的这个误差,就是ebuselo,也就是exp对吧.就消掉了,可以看到从第三行到第四行,已经没有exp了 也没有log了,因为loge是1。原创 2022-09-27 00:09:36 · 666 阅读 · 0 评论 -
应用正太分布_概率密度函数_最大总似然_对数总似然---人工智能工作笔记0021
然后我们假设,我们的数据符合正太分布,那么可以看到, 在正态分布中,我们的u,这个极值,其实就是yi hat 对吧,我们的预测值,而我们的真实值,yi 可以看到,应该都是在yi hat 附近的,如果还有一个正太分布B ,那么我们可以看到,yi 的数据是比较符合正太分布A的,因为,yi 到uA 的距离比较小,也就是。这里就可以表明,只要是我们的数据是随机的,绝对随机的,那么最终我们就会得到一个正态分布是图形,然后我们就可以知道极值,然获得最大可能........原创 2022-08-15 22:15:59 · 462 阅读 · 0 评论 -
理解回归_多元线性回归_最大似然函数_最大密度函数_标准差_方差_数据离散程度---人工智能工作笔记0020
举个例子,我们有两个正太分布,一个是踢足球的人员的正态分布,可以看到上面左边的那个,这个正太分布,身高可以看到,范围广一些,1.6到1.9 是,另一个是打篮球人的正太分布,可以看到这个身高是1.8到2.26 ,这个正太分布就比较的高,比较廋对吧,也就是大部分数据,都集中在u均值的左右了...数据密集.所以如果有一个人是1.7,或者1.8 ,那么我们通过最大似然估计,能得到,第一个正太分布,比较符合规律,我们就把这个人放到第一个正太分布里.方差是实际值与期望值之差平方的平均值,而标准差是方差平方根。.....原创 2022-08-13 14:10:48 · 480 阅读 · 0 评论 -
怎么做线性回归?多元线性回归_图灵死的很传奇_咬一口苹果有氯化钠?什么鬼..深度学习_机器学习_人工智能深度回顾---人工智能工作笔记0019
尽可能的意思就是,我们要让真实值,要尽可能的贴近预测值,当然我们说通过调整预测值来实现的,表现在上图中其实就是,predicted value这个预测值,也就是我们说的y hat y帽 y估计或者叫 y预测,也就是那个直线上的值,这个值呢,和真实的y值,也就是那个函数的结果y,他们的差的绝对值,也就是e bu se lo 让这个值ε ,随机误差,越来越小...那么这个误差怎么算呢?然后自然语言处理里,有,情感分析,比如说一句话给出这句话是正面的,还是负面的,文本分类,还有论文查重..等..........原创 2022-08-10 23:36:30 · 368 阅读 · 0 评论 -
再来了解机器学习和深度学习_有监督机器学习_无监督机器学习---人工智能工作笔记0018
可以看到上面说了,有监督机器学习,其实就指的是存在y,也就是存在结果,因为有监督机器学习,需要根据结果来调整,模型,所谓的模型,就是参数,也就是a 和 b的值,要根据不停输入的x的值 和 y的值,来调整a 和b,这个两个模型,或者参数的值,通过调整a 和 b的值,使得,最后得到的y 估计,yhat 和实际的y值,误差稳定到某个值,这个时候就找到了,对应的,模型了,也就是a和b这两个参数的具体值了.然后,还有一种就是分类算法,他是判断用到,是否迟到,LR算法,其实,判断以后得到是否迟到,也会给出相应的概率..原创 2022-08-10 08:50:00 · 576 阅读 · 0 评论 -
高尔顿的表哥是谁? ^-^ 理解线性与回归---人工智能工作笔记0017
2.假设我们的数据是,回归的,也就是最终会被大自然束缚,走出一个回归图形来,这种假设还是比较靠谱的..这就是线性回归。有个右边的,y=a * x^b x的b次方,这样就不对了,如果b=1,那么是可以的,这个时候,是一个线性的。比如上面说的现象,可以看到,大部分人的身高会稳定在1.65 到2.26 ,要说为什么会这样,去问大自然~所以所谓的线性回归,就是两个假设,1.假设我们的数据是符合,一元一次方程的,也就是线性的。对应的方程是,一元一次方程 y=a+bx 这里的x是1次方,可以看到左边的图,然后。....原创 2022-08-09 22:58:25 · 304 阅读 · 0 评论 -
Python机器学习库scikit-learn介绍_矩阵运算_Numpy_Pandas---人工智能工作笔记0016
然后我们可以看到scikit-learn这个框架包含了机器学习的,常用的类库都有了,可以看到有,分类算法,有聚类算法,有回归算法,然后还有为了我们更好的,执行算法,而提供的 数据预处理算法,然后对处理后的数据,再进行降维算法,然后把数据输入我们的模型,经过算法得出结果,然后把结果通过模型选择算法,然后再来选择合适的模型,可以看到,scikit-learn这个框架已经提供给我们,常用的机器学习算法,大部分情况下,数据量不是特别大的情况下,就已经可以用这个,这个是单机跑的就够用了.......原创 2022-08-09 18:10:05 · 569 阅读 · 0 评论 -
有监督机器学习训练流程---人工智能工作笔记0015
重要程度,w0到wn,和x0 到xn是一一对应的,那么这里,我们就规定,w0相当于公式里的a,wn相当于公式里的b,那么y=w0+wnxn 这里我们让x0是一个常数为1,那么这个时候,实际上就是我们把x0到xn,分成了,x0 和 x1到xn,当然我们把w0 到wn 也分成了 w0 和w1 到wn. 这里要注意,上面我们说的这个公式,在这里就叫做模型model.,来调整权重w, 这里用到的一个方法就是梯度下降法,也就是根据误差,来调整W权重,注意这里的W是大写的,表示可以从W0 到Wn ,表示权重。.....原创 2022-08-09 00:31:11 · 640 阅读 · 0 评论 -
人工智能应用与价值---人工智能工作笔记0014
人工智能的应用首先可以看到,是人工回答问题,比如siri,苹果手机的语音助手 Cortana 和Now。Cortana是微软的 Now是谷歌的,用好这个需要用到: NLP 自然语言处理,处理人类的语义。可以利用机器学习给我们的,云计算,专家系统,灵敏度要求高的系统,搜索引擎,或者数据仓库赋予智慧.SR 声音识别 还有 背后还需要有model模型,如果要做的效果好,准确,可能还需要应用。百度2014年利用 ,人工智能预测 世界杯的 名次排名。上面的应用可以用语音助手,降低成本。...原创 2022-08-09 11:00:00 · 237 阅读 · 0 评论 -
Disruptor本地线程队列_认识了解Disruptor_简单使用案例_实现生产者生产数据_消费者消费数据---线程间通信工作笔记002
这个队列就不用说了,什么淘宝,京东,大数据中都有用到.要使用这个disruptor需要用到上面几个步骤,可以看到1.建立一个event类,这个类就可以看成一个数据,就是这个队列要传递的数据2.然后需要建立一个Event的工厂类,这个类用来产生Event实例也就是,产生数据3.然后建立一个事件监听类,用于处理数据,就是消费者4.写测试,新建一个Dsiruptor实例,配置参数,然后对Disruptor绑定事件类,然后就可以接受并处理数据了5.真正放数据的地方是Ri...原创 2022-05-31 00:15:42 · 256 阅读 · 0 评论 -
人工智能TensorFlow工作笔记005---计算图的基本应用_认识计算图
技术交流QQ群【JAVA,.NET,BigData,AI】:170933152看书写程序,边看边写...#1. 在Python 中一般会采用“ import tensorflow as tf”的形式来载入TensorFlow ,这样可以# 使用“ tf”来代替“ tensorflow ”作为模块名称,使得整个程序更加简洁。这是TensorFlow# 中非常常用的技巧,在本书后...原创 2019-05-20 22:22:34 · 367 阅读 · 0 评论 -
TensorFlow工作笔记001---Centos7.3下安装TensorFlow最新版本,基于python2.7.5的,没有编译TensorFlow的源码
技术交流QQ群【JAVA,.NET,BigData,AI】:170933152Centos7.3下安装TensorFlow最新版本,基于python2.7.5的,没有编译TensorFlow的源码,这样不好啊,没有编译源码,没有经过,优化,TensorFlow跑起来挺慢,而且会有一些警告。但是这样安装快。先装上再说吧。人工智能第一步啊:前奏:如果想装高版本的python...原创 2019-03-04 21:08:27 · 1466 阅读 · 0 评论 -
Python工作笔记006---在centos命令行里进入和退出Python程序
技术交流QQ群【JAVA,.NET,BigData,AI】:170933152进入:直接输入python即可,如图所示退出:1:输入exit(),回车2:输入quit(),回车3:输入ctrl+z,回车...转载 2019-03-04 19:48:07 · 1893 阅读 · 0 评论 -
深度学习工作笔记002---曼哈顿距离_欧氏距离
JAVA技术交流QQ群:170933152 出租车几何或曼哈顿距离(Manhattan Distance)是由十九世纪的赫尔曼·闵可夫斯基所创词汇 ,是种使用在几何度量空间的几何学用语,用以标明两个点在标准坐标系上的绝对轴距总和。图中红线代表曼哈顿距离,绿色代表欧氏距离,也就是直线距离,而蓝色和黄色代表等价的曼哈顿距离。曼哈顿距离——两点在南北方向上的距离加上在东西方向上的距离,即...原创 2018-12-20 21:19:14 · 1154 阅读 · 0 评论 -
Python工作笔记007---win10安装Python3.7.3_以及用pycharm创建Python项目_以及对System interpreter理解
技术交流QQ群【JAVA,C++,Python,.NET,BigData,AI】:1709331521.pycharm安装以后如果,本地不安装Python是不可以用的,2.win10安装Python3.7.3很简单,取官网下载,最新的包,是个exe,直接安装就可以,主意安装的时候,勾选add to path这个选项 这样就不用手动去配置环境变量了3.创建Python项目创...原创 2019-04-23 22:21:31 · 1104 阅读 · 0 评论 -
人工智能TensorFlow工作笔记009---认识TensorFlow中的会话
技术交流QQ群【JAVA,C,.NET,BigData,AI】:170933152 看书写程序,边看边写...# 前面的两节介绍了Tens orFlow 是如何组织数据和运算的。本节将介绍如何使用# TensorFlow 中的会话( session )来执行定义好的运算。会话拥有并管理TensorFlow 程序运# 行时的所有资源。所有计算完成之后需要关闭会话来帮助系统回收资源,否则...原创 2019-05-25 14:06:13 · 356 阅读 · 0 评论 -
Polyfill工作笔记001---简介
技术交流QQ群【JAVA,.NET,BigData,AI】:1709331521.什么是Polyfill?Polyfill是一个js库,主要抚平不同浏览器之间对js实现的差异。比如,html5的storage(session,local), 不同浏览器,不同版本,有些支持,有些不支持。Polyfill(Polyfill有很多,在GitHub上https://github.com/Mod...转载 2019-03-04 20:40:37 · 474 阅读 · 0 评论 -
人工智能TensorFlow工作笔记011---前向传播算法简介
技术交流QQ群【JAVA,C,.NET,BigData,AI】:170933152# 在3.4.1 节中简单地介绍了神经网络可以将输入的特征向量经过层层推导得到最后的# 输出,并通过这些输出解决分类或者回归问题。那么神经网络的输出是如何得到的?在这# 一节中将详细介绍解决这个问题的算法一一前向传播算法。不同的神经网络结构前向传播的# 方式也不一样,本节将介绍最简单的全连接网络结构...原创 2019-06-10 23:07:43 · 495 阅读 · 0 评论 -
TensorFlow工作笔记003---python异常大全IndentationError: unexpected indent_expected indented block
1.技术交流QQ群【JAVA,.NET,BigData,AI】:170933152我们在运行python脚本时遇到错误报错 IndentationError: unexpected indent。如下图:>>> with tf.variable_scope("",reuse=True): File "<stdin>", line 1 ...原创 2019-03-05 10:47:32 · 923 阅读 · 0 评论 -
人工智能TensorFlow工作笔记007---认识张量
技术交流QQ群【JAVA,C,.NET,BigData,AI】:170933152看书写程序,边看边写...# 从TensorFlow 的名字就可以看出张量( tensor )是一个很重要的概念。在TensorFlow# 程序中,所有的数据都通过张量的形式来表示。从功能的角度上看,张量可以被简单理解# 为多维数组。其中零阶张量表示标量( scalar ) ,也就是一个数① : ...原创 2019-05-21 20:44:17 · 493 阅读 · 0 评论