![](https://img-blog.csdnimg.cn/20201014180756913.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
人工智能
mark_to_win
http://www.mark-to-win.com 安卓,java,jquery,ios,spring,技术副总,导师,领导项目架构,微信号: MarkToWin_China, qq: 2115860679,
展开
-
Anaconda下载和安装
直接点击next,放心不会安装pycharm,只是给他做个展示广告。应该取消以上两个tickbox,点击finish就完了。更多请见:原创 2020-10-23 20:37:50 · 127 阅读 · 0 评论 -
事件延迟
事件延迟事件延迟(项目心得)马克- to-win:马克 java社区:防盗版实名手机尾号: 73203。1.马克-to-win:index.html当中:fullScreenHref=machine+listFile;/*为什么下一句采取动态为事件绑定函数的方法?因为load执行的过程慢。当有人性子急,先点击fullScreenUp这个连接的时候, fullScreenHref的值此时还为undefined呢,所以采用后动态绑定的这种方法,fullScreenUp连接缺省的点击事件没有设置方法。先原创 2020-10-24 09:10:29 · 191 阅读 · 0 评论 -
sigmoid激活函数如何求导
既然咱们这里不是数学课,所以推导过程就省略了,直接把结论给大家,因为后面要用到。更多请看下节:原创 2020-10-23 19:10:21 · 292 阅读 · 0 评论 -
Anaconda Prompt的用法
Windows/开始菜单,打开Anaconda Prompt,这个窗口和cmd窗口一样的,用命令“conda list”查看已安装的包,从这些库中我们可以发现NumPy,Matplotlib,Pandas,说明已经安装成功了!下一步可以测试随anaconda一起安装的python:(还是在上一个窗口)更多请见:https://blog.csdn.net/qq_43650923/ar...原创 2019-09-08 18:13:25 · 25879 阅读 · 0 评论 -
Jupyter notebook的用法
Windows/开始菜单/Jupyter notebook更多请见:https://blog.csdn.net/qq_44639795/article/details/100689344原创 2019-09-10 09:34:17 · 181 阅读 · 0 评论 -
Spyder的用法
Windows/开始菜单/Spyder敲入以下代码:from skimage import ioimg = io.imread('i:/tmp/AnacondaIns1.jpg')print 'mark to win'io.imshow(img)[注意要使python3的话, 打印要加括号。print ('mark')mark]更多请见:https://blo...原创 2019-09-10 10:52:05 · 462 阅读 · 0 评论 -
如何建立安装Tensorflow所需的Anaconda虚拟环境
马克-to-win @ 马克java社区:防盗版实名手机尾号:73203。我们刚才安装的anaconda的实体环境,python版本是3 。但是如果使用Python开发网站系统,可能需要Python2的版本,(当然安装Tensorflow需要Python3的版本),此时就会发生版本不一致的问题。马克-to-win @ 马克java社区:这时我们可以使用Anaconda虚拟环境,让网站框架与Tens...原创 2019-09-10 11:16:19 · 667 阅读 · 0 评论 -
如何在Anaconda虚拟环境安装Tensorflow与Keras
1 启动Anaconda虚拟环境安装Tensorflow与keras前,先启动Tensorflow的Anaconda虚拟环境。activate myTensorEnv2 安装Tensorflow在命令提示符窗口输入下列命令,安装Tensorflow:pip install tensorflow出现上述界面时,表明tensorflow已经在虚拟环境中安装成功。测试一下:pytho...原创 2019-09-10 17:31:55 · 2625 阅读 · 0 评论 -
卷积神经网络的Helloworld例子
马克-to-win @ 马克java社区:防盗版实名手机尾号:73203。下面是keras官方的卷积神经网络在github上的例子。和原版的唯一区别是:mnist的数据因为在国外(由于翻墙的原因,报错Exception: URL fetch failure on https://s3.amazonaws.com/img-datasets/mnist.npz),可以像我一样,下载数据后,放在本地。...原创 2019-09-11 16:08:32 · 331 阅读 · 0 评论 -
dropout到底在干什么?
马克-to-win @ 马克java社区:防盗版实名手机尾号:73203。我们用dropout主要是为了防止CNN过拟合。所谓过拟合就是所建的模型在训练样本中表现得过于优越,而在测试数据集中表现不佳。那既然死死的一个神经网络可能被过度训练,我们能不能每次训练时,随机挑选一部分参数来构成一个子网,将这个子网络作为此次训练更新的目标网络。马克-to-win @ 马克java社区:下次挑选另外一批参数构...原创 2019-09-08 17:11:36 · 319 阅读 · 0 评论 -
卷积和神经网络有什么关系?
马克-to-win @ 马克java社区:防盗版实名手机尾号:73203。如上一段所述,卷积可以提取特征,但对于真实世界当中的大规模图片库,我们并不知道哪个局部特征有效,我们还是希望通过训练神经网络,自动学习出来,怎么做呢?还得用到前面学到的BP算法,但现在的问题是卷积和神经网络有什么关系呢?马克-to-win @ 马克java社区:看下面两个图可以知道,其实卷积的运算就是相乘之后求和,和神经网络...原创 2019-09-08 16:06:38 · 554 阅读 · 0 评论 -
池化的名字由何而来?
马克-to-win @ 马克java社区:防盗版实名手机尾号:73203。根据前面的卷积过程,我们可以达到特征提取的作用。基本上已经判断出谁是C谁是D。底下可以再进一步做一次池化。数据库连接池记得吧?马克-to-win @ 马克java社区:把很多数据库连接放在一个池子里,想用时挑一个来用。这里做完卷积得到这么多数据,就像池子一样,对于这池子里的数据,我们可以继续做各种各样的操作,比如最大池化或平...原创 2019-09-08 09:44:04 · 232 阅读 · 0 评论 -
给出一个生活中的最简单的两层神经网的实际例子
马克-to-win @ 马克java社区:防盗版实名手机尾号:73203。下面我们给出一个生活中的最简单的两层神经网的实际例子。比如,在我们的心目当中,只要有游泳池这种设施的房子就属于高档住宅。先进行一个初步判断,高还是低? 最后才进行最终的价格判断,所以这样就有了两层神经网络。先看是高档还是低档住宅,之后高档住宅的价格偏移和低档住宅的价格偏移是完全不一样的。马克-to-win @ 马克java社...原创 2019-09-04 09:10:53 · 268 阅读 · 0 评论 -
什么叫训练模型?
马克-to-win @ 马克java社区:根据上面的计算过程可知,下图的神经网络模型果然比较符合现实情况。带游泳池的首先大概率属于高档房,其次价格也比较高。不带游泳池的 属于低档房,而且价格较低。 为什么同样的模型,判断出的结果不一样呢? 1)w3比较大,为0.8,w4比较小,为0.001.意思就是贵的设施对于判断是否为高档很重要。马克-to-win @ 马克java社区:对于低档几乎没用。所以找...原创 2019-09-04 14:23:52 · 10856 阅读 · 1 评论 -
为什么要引入激活函数?
马克-to-win @ 马克java社区:防盗版实名手机尾号:73203。根据上面的学习,我们已经知道,当我们接到客户的需求,让我们做识别,判断或者预测时,我们需要最终交付给客户我们的神经网络模型。其实我们千辛万苦训练出来的神经网络模型,就是从输入到输出的一个神秘未知函数映射。在大多数情况下,我们并不知道这个真正的函数是什么,我们只是尽量去拟合它。马克-to-win @ 马克java社区:前面给出...原创 2019-09-05 15:11:28 · 324 阅读 · 0 评论 -
什么是sigmoid激活函数?
上面我们讲了引入激活函数的意义,激活函数有多种,下面我们拿一种激活函数sigmoid来做示例,其他的类似。sigmoid函数表达式如下:它的函数曲线图是:看到上面的函数曲线图,可以看出是一个sigmoid函数的特点就是当输入值从负无穷变到正无穷时,输出值在0和1之间,。。。。。。。。。。。。。更多可见:https://blog.csdn.net/qq_44594249/arti...原创 2019-09-05 17:01:05 · 1622 阅读 · 0 评论 -
什么是导数和切线?以及他们的关系?
(引自高等数学)设函数y=f(x)在点x0的某个邻域内有定义,当自变量x在x0处有增量Δx,相应地函数取得增量Δy=f(x0+Δx)-f(x0);如果Δy与Δx之比当Δx→0时极限存在,则称函数y=f(x)在点x0处可导,并称这个极限为函数y=f(x)在点x0处的导数。马克-to-win @ 马克java社区: 所以说:函数y=f(x)在x0点的导数f'(x0)的几何意义:表示函数曲线在点P0(x...原创 2019-09-06 15:33:30 · 5136 阅读 · 0 评论 -
什么是链式法则?
链式法则是微积分中复合函数的求导法则。 复合函数,是指一个函数作为另一个函数的自变量。 如f(x)=3x,g(z)=z+3,g(f(x))就是一个复合函数,并且g(f(x))=f(x)+3=3x+3链式法则(chain rule): 若m(x)=f(g(x)),则m'(x)=f'(g(x))g'(x)即“两个函数凑起来的复合函数,其导数等于里边函数代入外边函数的值的导数,乘里边函数的导数。...原创 2019-09-07 09:53:39 · 4448 阅读 · 0 评论 -
什么是梯度?
在单变量的函数中,梯度可简单理解为只是导数。函数f的梯度方向是函数f的值增长最快的方向,最陡的方向,换句话说,在一个场中,函数在某一点处的梯度即为此点方向导数最大值。更多请见:https://blog.csdn.net/qq_44639795/article/details/100592901...原创 2019-09-07 10:56:19 · 1332 阅读 · 0 评论 -
什么是梯度下降法与delta法则?
马克-to-win @ 马克java社区:防盗版实名手机尾号:73203。梯度下降法就是沿梯度下降的方向求解函数(误差)极小值。delta法则是使用梯度下降法来找到最佳权向量。拿数字识别这个案例为例,训练模型的过程通常是这样的。输入为1万张图片,也就是1万个样本,我们定义为D,是训练样例集合,输出为相对应的1万个数字。马克-to-win @ 马克java社区:这就是1万个目标输出(Target),...原创 2019-09-07 16:03:09 · 437 阅读 · 0 评论 -
BP(back propagation)误差逆传播神经网络
马克-to-win @ 马克java社区:防盗版实名手机尾号:73203。BP神经网络是一种按误差反向传播的神经网络,它的基本思想还是梯度下降法,中间隐含层的误差和最后一层的误差存在一定的数学关系,(可以计算出来),就像误差被反向传回来了,所以顾名思义BP。马克-to-win @ 马克java社区:想想生活中有句话叫做开始差之毫厘,后来失之千里是什么意思?就有点误差传递的感觉。关键他们之间的数学关...原创 2019-09-07 17:23:36 · 414 阅读 · 0 评论 -
卷积到底有什么作用?如何做到特征提取?
马克-to-win @ 马克java社区:防盗版实名手机尾号:73203。经过前面的神经网络的基础学习,终于进入我们这章的核心部分,卷积神经网络(CNN, Convolutional Neural Networks)。很多同学学了半天卷积神经网络,但一直有一个最最根本的问题没有搞懂,他也知道怎么做卷积了,也知道怎么做池化了,就是不知道在为什 么这么干?马克-to-win @ 马克java社区:一直...原创 2019-09-07 18:18:13 · 1244 阅读 · 0 评论 -
为什么引入神经网络来做识别,判断,预测?
马克-to-win @ 马克java社区:实名手机尾号:73203, 很多人学了神经网络很长时间,但一直就有一个最根本的问题困扰着自己。为什么要引入神经网络来做识别,判断,预测?为什么神经网络能做这事?其实我们在生活中,总在不知不觉的经常用神经网络。只不过我们没注意观察罢了。 比如经常有朋友会问我们,哪里的房子大致多少钱?比如下面这个判断房价的例子,当知道地点在北京二环以里,天安门旁边的东华门,输...原创 2019-10-16 16:16:25 · 522 阅读 · 0 评论