ljp1919的专栏

家里的茶庄生存难，且在这里讨生活。

排序：
默认
按更新时间
按访问量
RSS订阅

原 protege推理系列-1-对象属性推理

0-背景 假设有如下一个情景： 小明去北京，如果北京下雨，则小明需要带伞。 需要在protege中表示上述的情景。 定义了3个class：person，place，daily_use。 对应的实体，分别是小明，北京和雨伞。 同时创建了对象属性：go_to，其domain是person，range是...

2018-11-16 10:54:08

阅读数：49

评论数：0

原 DeepFM论文阅读笔记

0-摘要 DeepFM融合了因子分解机(FM)的推荐优势和Deep Learing的特征提取优势。在基准数据和商业数据上都表现优越。 1- 介绍 点击率(CTR)预测是估计用户对某个商业项目进行点击的概率。提升点击人数，从而提升CTR。对于在线广告，提升CTR可以增加企业的收入。总体上来说，排序的...

2018-10-18 11:56:55

阅读数：52

评论数：0

原 文献阅读笔记-Key-Value Memory Networks for Directly Reading Documents

文献阅读笔记-Key-Value Memory Networks for Directly Reading Documents0-背景1-详情1-1 模型介绍1-2 Key-Value memory的选取2-实验 0-背景 在问答系统中直接从文本中获取答案要难于从KB(knowledge base...

2018-10-12 20:46:53

阅读数：80

评论数：0

原 神经网络参数初始化问题代码测试

背景: 神经网络的参数初始化，一般是采用随机初始化的方式。如果是初始化为全0，会导致每层的多个神经元退化为一个，即在每层中的多个神经元是完全失效的。虽然层与层之间仍然是有效的，但是每层一个神经元的多层神经网络，你真的觉得有意思？有什么想法，欢迎留言。 代码测试： 2层神经网络的全0初始化...

2018-04-15 13:45:11

阅读数：164

评论数：0

原 nginx中location的正则配置

背景 一个项目中在location中配置的uri是变化的，需要通过正则项来匹配。此外顺便梳理下location中的配置问题。 详解： 模式 含义 location = /uri = 表示精确匹配，只有完全匹配上才能生效 location ^~ /uri...

2018-03-28 17:10:31

阅读数：414

评论数：0

原 多进程下的文件写操作

背景: 进行多进程处理过程中，对处理结果写到结果文件中。 问题描述： 如果不采用锁或者其他进程同步的方式的话，如下代码： void process_filelock_nonelock() { int x=0;//如果操作的变量不是进程共享的话，那么就各自操作自己的x，不会...

2018-02-08 17:47:12

阅读数：304

评论数：0

原 机器学习笔记-6.5逻辑回归的代价函数及其求导

0- 背景 定义逻辑回归的代价函数时，不能够像线性回归那样，否则代价函数变成一个非函数，难以收敛到全局最优。 1- 线性回归代价函数： 线性回归中的代价函数： J(θ)=12m∑i=1m(yi−hθ(xi))2J(\theta )=\frac{1}{2m}\sum_{i=1}^{m}(...

2018-01-21 16:04:47

阅读数：2929

评论数：0

原 第4门课程-卷积神经网络-第四周作业(图像风格转换)

0- 背景 所谓的风格转换是基于一张Content图像和一张Style图像，将两者融合，生成一张新的图像，分别兼具两者的内容和风格。 所需要的依赖如下： import os import sys import scipy.io import scipy.misc import matpl...

2018-01-20 16:12:42

阅读数：977

评论数：3

原 第4门课程-卷积神经网络-第四周作业(人脸识别)

1- 背景 FaceNet从神经网络中学习到以128维度的向量对人脸图像进行表示。通过对比两个向量的相似度，从而确定两者是否是同一个人。 本文中将采用 triplet loss function（三元组的损失函数），且采用一个预训练的模型对图像进行编码矢量化；在此基础上，再进行人脸的校验（fa...

2018-01-20 09:15:29

阅读数：1188

评论数：0

原 第4门课程-卷积神经网络-第三周作业(机器视觉中物体检测)

0- 背景： 本文主要介绍在自动驾驶中常用的车辆探测模型YOLO模型。 本文依赖的包如下： import argparse import os import matplotlib.pyplot as plt from matplotlib.pyplot import imshow imp...

2018-01-17 22:46:46

阅读数：1402

评论数：1

原 第4门课程-卷积神经网络-第二周作业1-基于Keras的人脸表情分类

0- 背景： 从人脸图像中的表情判断一个人是否快乐。本文将基于Keras实现该功能。Keras是一个更高级的API，其底层框架可以是TensorFlow或者CNTK。 1-数据加载： 导入依赖的库： import numpy as np #import tensorflow as tf f...

2018-01-10 21:34:33

阅读数：790

评论数：3

原 第4门课程-卷积神经网络-第一周作业2(基于卷积神经网络的手势分类)

0- 背景 本文介绍基于TensorFlow的卷积神经网络及其具体应用实例。 1-数据导入： # Loading the data (signs) X_train_orig, Y_train_orig, X_test_orig, Y_test_orig, classes = load...

2018-01-08 21:45:49

阅读数：832

评论数：4

原 第4门课程-卷积神经网络-第二周作业2(基于残差网络的手势分类)

0- 背景 本文介绍基于残差网络的深层卷积神经网络，Residual Networks(ResNets)。 从理论上分析，神经网络层数越多，可以表示更复杂的模型函数。CNN能够提取low/mid/high-level的特征，网络的层数越多，意味着能够提取到不同level的特征越丰富。并且，越深...

2018-01-07 17:55:29

阅读数：848

评论数：1

原 第4门课程-卷积神经网络-第一周作业

背景介绍卷积层 (CONV)和池化层(POOL) 的前向和后向传播操作。本文约定如下： 上标[l][l] 为该变量所在的层数，即第 lthl^{th}层；例如: a[4]a^{[4]}为第4th4^{th} 层的激活函数， W[5]W^{[5]} 和b[5]b^{[5]} 则对应的是第5层（5th...

2017-12-17 21:33:49

阅读数：387

评论数：0

原 Lua中如何防止sql注入

背景：假设我们在用户登录使用上 SQL 语句查询账号是否账号密码正确，用户可以通过 GET 方式请求并发送登录信息比如：http://localhost/login?name=person&password=12345那么我们上面的代码通过 ngx.var.arg_name 和 ngx.v...

2017-11-17 11:34:30

阅读数：808

评论数：0

原 DeepLearing学习笔记-改善深层神经网络(第三周作业-TensorFlow使用)

0- 背景：采用TensorFlow的框架进行神经网络构建和结果预测1- 环境依赖：import math import numpy as np import h5py import matplotlib.pyplot as plt import tensorflow as tf from ten...

2017-10-22 16:29:45

阅读数：3029

评论数：2

原 DeepLearing学习笔记-改善深层神经网络(第三周- 将batch-norm拟合进神经网络)

0- 背景介绍如何将batch归一化引入到神经网络中1- 流程如下：在计算z之后，才是之前介绍的batch归一化方法，对其进行归一化，再替代原来的z值，输入到下该层的激活函数中。其他隐藏层，操作类似。 在实际中，可以直接使用框架中函数，而不必自己实现这些具体的细节。tf.batch_norm...

2017-10-20 22:46:02

阅读数：329

评论数：0

原 DeepLearing学习笔记-改善深层神经网络(第三周- 超参数调试、正则化)

背景：介绍超参数调试和处理1-超参数调试相比于早期那种参数较少的情况，可以用网格状的数值划分来做数值的遍历，来获取最优参数。但是在深度学习领域，我们一般是采用随机化的方式进行参数的尝试。 如上图的网格状选取参数其实只能分别在固定在5个值范围内，在我们尚未知晓哪个参数更为重要的前提下是不明智的...

2017-10-19 20:27:14

阅读数：633

评论数：0

原 DeepLearing学习笔记-改善深层神经网络(第二周作业-优化方法)

0- 背景：本文将介绍几种常用的优化方法，用以加快神经网络的学习速度 本文需要用到的库如下：import numpy as np import matplotlib.pyplot as plt import scipy.io import math import sklearn import s...

2017-10-15 16:51:53

阅读数：1074

评论数：0

原 DeepLearing学习笔记-改善深层神经网络(第一周作业-3-梯度校验)

1-背景：在神经网络计算过程中，对后向传播的梯度进行校验，确保其计算无误。至于，前向传播，由于相对简单，所以，一般不会出错，在前向传播的基础上利用计算出来的代价JJ我们可以进行后向梯度的校验。公式原理如下： ∂J∂θ=limε→0J(θ+ε)−J(θ−ε)2ε(1) \frac{\partial...

2017-10-15 16:26:12

阅读数：903

评论数：0

提示
确定要删除当前文章？
取消 删除
关闭
关闭