![](https://img-blog.csdnimg.cn/20201014180756930.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
======机器学习======
文章平均质量分 78
EmpGro
这个作者很懒,什么都没留下…
展开
-
SVM中核函数的理解
这篇文章是阅读JULY大神支持向量机通俗导论(理解SVM的三层境界)的一点学习笔记。 在JULY大神原文中,对核函数解释的时候,点和点的坐标表示混用了”X”这个字母,从而为理解带来了不便。于是自己经过一些验算和重写之后,有了这一学习笔记。原创 2017-11-26 21:43:35 · 2242 阅读 · 0 评论 -
【2017年cs231n学习笔记3】Lecture4-1 反向传播
在原课程视频中,lecture4讲解了反向传播及一部分神经网络的内容,但是“反向传播”(Backpropagation)作为神经网络计算的基础太过重要了,于是在笔记中我将反向传播单独拿出来,结合自己查资料的理解,做了一些记录,希望读这篇文章的人能得到一些帮助。原创 2017-11-09 20:03:24 · 408 阅读 · 0 评论 -
【2017年cs231n学习笔记2】Lecture3 损失函数 最优化
这节课的主要内容: 1. 定义一个损失函数(loss function),用将训练集代入其中获得的评分来量化W的好坏。 2. 找到一个高效的方法来寻找使损失函数最小的W,(我们称其为最优化optimization)损失函数首先我们定义损失函数的一般形式: 对于一个数据集 Xi代表输入进入分类器的图像像素数据,Yi代表你希望得出的标签。 我们定义其损失函数的一般形式为: 损失函数定原创 2017-11-06 18:25:33 · 1344 阅读 · 0 评论 -
【2017年cs231n学习笔记1】Lecture2 K近邻 距离度量 超参数 交叉验证 线性分类器
这是2017年,斯坦福大学,李飞飞教授及其博士生讲授的CS231n课程的第二节,主要内容是KNN算法、距离度量算法、超参数的选择方法、线性分类器的简单介绍。 所有图像来自课程ppt,内容来自课程视频。 全文都是看英文字幕所得,如有翻译转诉不恰当之处请包涵。原创 2017-11-05 23:36:24 · 455 阅读 · 0 评论 -
Linux安装face-recognition
用的是centos7系统,用户为master 用传统如下方式安装face-recognition时会出现dlib无法找的问题pip install cmake pip install dlib pip install face-recognition所以尝试了其他方法以下安装都在master用户下进行 1.通过anaconda解决dlib的前置软件,这里安装的dlib是19.4版本,而face-原创 2017-12-06 09:55:46 · 3181 阅读 · 0 评论 -
windows安装face-recognition
不用自己编译,也不用自己下载的windows结合anaconda安装face-recognition的方法。原创 2017-12-07 20:14:48 · 1147 阅读 · 1 评论