qq_34430163的博客

转载 【解决】“Failed to get convolution algorithm. This is probably because cuDNN failed to initialize”

问题描述：“Failed to get convolution algorithm. This is probably because cuDNN failed to initialize”解决方案：不加这几句，则CONV 报错physical_devices = tf.config.experimental.list_physical_devices('GPU')assert len(physical_devices) > 0, "Not enough GPU hardware devic

原创 【最优化理论】4.2带约束最优化

带约束最优化1.等式约束2.不等式约束3.优化的对偶理论3.1原始问题3.2对偶问题1.等式约束  经典拉格朗日乘子法是下面的优化问题（注：x\boldsymbol{x}x是一个向量）min⁡xf(x)\min _{x} f(x)xmin​f(x)s.t.g(x)=0\text {s.t.} \quad g(x)=0s.t.g(x)=0直观上理解。最优解xoptimal\boldsymbol{x}_{optimal}xoptimal​一定有这样的性质，以x\boldsymbol{x}x是二维变量为例

原创 【最优化理论】4.1无约束最优化

无约束最优化1.梯度下降法2.随机梯度下降法2.1批量梯度下降法（Batch Gradient Descent）2.2 随机梯度下降法（Stochastic Gradient Descent）2.3小批量梯度下降法（Mini-batch Gradient Descent）3.牛顿法4.牛顿法的收敛速度参考  无约束最优化问题是机器学习中最普遍、最简单的优化问题。x∗=min⁡xf(x),x∈Rnx^*=\min _xf\left( x \right) ,x\in R^nx∗=xmin​f(x),x∈R

原创 【安装】CUDA10.1+Tesorflow2.0-GPU版本安装+Pytorch安装

一、Tesorflow2.1-GPU版本安装1.anaconda安装参考：参考2.NVIDIA驱动安装打开Anaconda Prompt，输入命令nvidia-smi，查看自己电脑的驱动版本。CUDA与驱动版本对应关系这里安装tensorflow2.1.0版本，驱动满足>=418.96，如果没有满足版本要求。根据自己电脑显卡配置（可以在资源管理器查看）下载相应驱动点击链接：驱动下载网站 下载满足要求的驱动程序安装时，一路next，选择第二个安装图形驱动程序3.CUD

原创 【概率论】3.4矩估计与极大似然估计

1.矩估计  设XXX维连续型随机变量，其概率密度为f(x,θ1,θ2,⋯θk)f(x,\theta_1,\theta_2,\cdots\theta_k)f(x,θ1​,θ2​,⋯θk​)，或XXX为离散型随机变量，其分布律为P{X=x}=p(x;θ1,θ2,⋯ ,θk)P\left\{X=x\right\}=p(x;\theta_1,\theta_2,\cdots,\theta_k)P{X=x...

原创 【概率论】3.3数学期望、方差与协方差

随机变量的数字特征1.数学期望1.定义离散型：P{X=xi}=pi,E(X)=∑ixipiP\left\{ X = x_{i} \right\} = p_{i},E(X) = \sum_{i}^{}{x_{i}p_{i}}P{X=xi​}=pi​,E(X)=∑i​xi​pi​；连续型： X∼f(x),E(X)=∫−∞+∞xf(x)dxX\sim f(x),E(X) = \int_{- \i...

原创 【概率论】3.2随机变量与多维随机变量及其概率分布

随机变量与多维随机变量1.随机变量及其概率分布1.随机变量及概率分布2.分布函数的概念与性质3.离散型随机变量的概率分布4.连续型随机变量的概率密度5.常见分布6.随机变量函数的概率分布7.重要公式与结论2.多维随机变量及其分布1.二维随机变量及其联合分布2.二维离散型随机变量的分布3. 二维连续性随机变量的密度4.常见二维随机变量的联合分布5.随机变量的独立性和相关性6.两个随机变量简单函数的概...

原创 【概率论】3.1概率基础：随机事件和概率

概率基础：随机事件和概率1.概率基本概念1.随机试验、样本空间、随机事件2.概率2.事件的关系与运算1.事件关系2.运算律3.完全事件组3.概率的基本公式1.条件概率2.全概率公式3.Bayes 公式4.乘法公式4.独立性1.事件的独立性2.独立重复试验3.重要公式与结论1.概率基本概念1.随机试验、样本空间、随机事件随机试验：扔硬币、掷骰子试验描述E1E1E1抛掷一...

原创 【微积分】2.3多元函数微分

多元函数微分1.偏导数1.定义2.二阶偏导数2.多元复合函数求导法则1.一元函数和多元函数复合的情形2.多元函数和多元函数复合的情形3.方向导数与梯度1.方向导数的定义2.梯度的定义3.梯度的几何意义4.多元函数泰勒公式1.二元函数的泰勒展式2.黑塞矩阵（海森矩阵）5.多元函数的极值1.定理1（必要条件）2.定理2（充分条件）3.条件极值6.矩阵的求导7.参考1.偏导数1.定义函数z=f(x...

原创 【微积分】2.2一元函数积分

1.不定积分1.定义定义1 如果在区间III上，可导函数F(x)F(x)F(x)的导函数为f(x)f(x)f(x)，即对任一x∈Ix\in Ix∈I都有F′(x)=f(x)或dF(x)=f(x)dxF'\left( x \right) =f\left( x \right) \text{或}dF\left( x \right) =f\left( x \right) dxF′(x)=f(x)...

原创 【微积分】2.1一元函数微分

1.导数定义：导数和微分的概念f′(x0)=lim⁡Δx→0 f(x0+Δx)−f(x0)Δxf'({{x}_{0}})=\underset{\Delta x\to 0}{\mathop{\lim }}\,\frac{f({{x}_{0}}+\Delta x)-f({{x}_{0}})}{\Delta x}f′(x0​)=Δx→0lim​Δxf(x0​+Δx)−f(x0​)​ （1）或者：...

原创 【线性代数】Summary

这里写目录标题1.行列式2.矩阵3.向量4.线性方程组5.矩阵的特征值和特征向量6.二次型1.行列式1.行列式按行（列）展开定理(1) 设A=(aij)n×nA = ( a_{{ij}} )_{n \times n}A=(aij​)n×n​，则：ai1Aj1+ai2Aj2+⋯+ainAjn={∣A∣,i=j0,i≠ja_{i1}A_{j1} +a_{i2}A_{j2} + \cdots + ...

原创 【线性代数】1.9SVD分解应用

记U=(u1,⋯ ,ur,ur+1,⋯ ,um)\boldsymbol U=\left(u_1,\cdots,u_r,u_{r+1},\cdots,u_m\right)U=(u1​,⋯,ur​,ur+1​,⋯,um​)，V=(v1,⋯ ,vr,vr+1,⋯ ,vn)\boldsymbol V=\left(v_1,\cdots,v_r,v_{r+1},\cdots,v_n\right)V=(v1​,...

原创 【线性代数】1.8SVD分解的证明

1.矩阵的奇异值分解（SVD分解）为了论述矩阵的奇异值与奇异值分解，需要下面的结论：（1）设A∈Crm×n(r>0)A\in C_r^{m\times n}(r>0)A∈Crm×n​(r>0)，则AHAA^HAAHA是Hermite矩阵，（如果矩阵AAA不包含复数，那么AH=ATA^H=A^TAH=AT）且其特征值均是非负实数；（2）rank(AHA)=rank(A)ran...

原创 【线性代数】1.7矩阵的二次型

1.二次型矩阵  含有nnn个变量x1,x2,⋯ ,xnx_1,x_2,\cdots,x_nx1​,x2​,⋯,xn​的二次齐次函数            f(x1,x2,⋯ ,xn)=a11x12+a22x22+⋯+annxn2  \;\;\;\;\;\;{f\left(x_1,x_2,\cdots,x_n\right)=a_{11}x_1^2+a_{22}x_2^2+\cdots+a_{n...

原创 【线性代数】1.6矩阵的特征值和特征向量

这里写自定义目录标题1.向量1.简介1.笛卡尔坐标系2.向量3.标量2.向量基本运算1.向量加法2. 向量数乘3. 向量内积4.向量投影3.范数1.L-P Norm2.L-0 Norm3.L-1 Norm4.L-2 Norm5.L-infinity Norm2.特征值、特征向量、矩阵相似1.特征值与特征向量2.矩阵相似3.定理4.矩阵相似对角化5.总结参考1.向量1.简介1.笛卡尔坐标系 ...

原创 【线性代数】1.5矩阵的秩

矩阵的秩1.矩阵的秩1.概念2.理解3.公式2.线性方程组1.非齐次线性方程组2.齐次线性方程组3.增广矩阵4.系数矩阵5.矩阵表示6.线性方程组的初等变换7.基础解系8.定理3.作业1.矩阵的秩1.概念  在m×nm\times nm×n的矩阵AAA中，任取kkk行kkk列(k⩽m,k⩽nk\leqslant m,k\leqslant nk⩽m,k⩽n)，位于这些行与列的交叉点上的k2k^...

原创 【线性代数】1.4矩阵的初等变换

矩阵的初等变换1.矩阵的初等变换与初等矩阵1. 初等变换1.定义3.定理2.初等矩阵3.行阶梯矩阵4.行最简矩阵5.正交矩阵6.对称矩阵7.反对称矩阵2.逆矩阵的求法1.定义法2.初等行变换3.伴随矩阵1.矩阵的初等变换与初等矩阵1. 初等变换1.定义对于m×nm\times nm×n矩阵，下列三种变换（1）用非零常数kkk乘以矩阵的某一行（列）；（2）互换矩阵某两行（列）的位置；（...

原创 【线性代数】1.3伴随矩阵和逆矩阵

矩阵的逆1.伴随矩阵1.定义2.二阶矩阵的逆矩阵3.公式2.逆矩阵1.定义2.定理3.公式3.1.伴随矩阵1.定义设A=[aij]A=\lbrack a_{ij}\rbrackA=[aij​]是nnn阶矩阵，行列式∣A∣\left|A\right|∣A∣的每个元素aija_{ij}aij​的代数余子式AijA_{ij}Aij​所构成的如下的矩阵A∗=[A11A21⋯An1A12A22⋯An...

原创 【线性代数】1.2矩阵的行列式与克莱姆法则

矩阵的行列式1.行列式的引入2.行列式3.余子式与代数余子式3.重要定理4.主要公式5.方阵的行列式6.克莱姆法则7.作业1.行列式的引入用消元法解二元线性方程组{a11x1+a12x2=b1,a21x1+a22x2=b2.\left\{\begin{array}{l}a_{11}x_1+a_{12}x_2=b_1,\\a_{21}x_1+a_{22}x_2=b_{2.}\end{array...

原创 【线性代数】1.1矩阵及其运算合集

矩阵及其运算合集1.矩阵的基本概念以及意义矩阵定义零矩阵单位矩阵对角矩阵两个矩阵相等行向量列向量2.矩阵的基本运算加法(减法)数乘乘法3.矩阵的迹4.矩阵的转置5.对称矩阵1.矩阵的基本概念以及意义矩阵定义  m×nm\times nm×n个数排成如下m  m\;m行n  n\;n列的一个表格A=(a11a12⋯a1na21a22⋯a2n⋮⋮⋱⋮am1am2⋯amn)\boldsymbo...

原创 【深度之眼Python基础+数据科学入门训练营】 第十五章 再谈编程

第十五章 再谈编程15.1 Python之禅import thisThe Zen of Python, by Tim PetersBeautiful is better than ugly.Explicit is better than implicit.Simple is better than complex.Complex is better than complicate...

原创 【深度之眼Python基础+数据科学入门训练营】 第十四章 scikit-learn 库

第十四章 scikit-learn 库scikit-learn 库是当今最流行的机器学习算法库之一可用来解决分类与回归问题本章以鸢尾花数据集为例，简单了解八大传统机器学习分类算法的sk-learn实现14.0 鸢尾花数据集【1】下载数据集import seaborn as snsiris = sns.load_dataset("iris")【2】数据集的查看type(iri...

原创 【深度之眼Python基础+数据科学入门训练营】第十三章 Matplotlib库

第十三章 Matplotlib库数据可视化是数据分析的一个重要工具，掌声有请Matplotlib13.0 环境配置【1】 要不要plt.show()ipython中可用魔术方法 %matplotlib inlinepycharm 中必须使用plt.show()%matplotlib inlineimport matplotlib.pyplot as pltplt...

原创 【深度之眼Python基础+数据科学入门训练营】第十二章 Pandas库

第十二章 Pandas库引子Numpy 在向量化的数值计算中表现优异但是在处理更灵活、复杂的数据任务：如为数据添加标签、处理缺失值、分组和透视表等方面Numpy显得力不从心而基于Numpy构建的Pandas库，提供了使得数据分析变得更快更简单的高级数据结构和操作工具12.1 对象创建12.1.1 Pandas Series对象Series 是带标签数据的一维数组Series对...

原创 【深度之眼Python基础+数据科学入门训练营】第十一章 Numpy库

第十一章 Numpy库11.1 为什么要用Numpy11.1.1  低效的Python for循环【例】 求100万个数的倒数def compute_reciprocals(values): res = [] for value in values: # 每遍历到一个元素，就要判断其类型，并查找适用于该数据类型的正确函数 res.append(1...

原创 【深度之眼Python基础+数据科学入门训练营】第十章 Python标准库

第十章 Python标准库Python自身提供了比较丰富的生态，拿来即用，可极大的提高开发效率10.1 time库Python处理时间的标准库1、获取现在时间（1）time.localtime() 本地时间（2）time.gmtime() UTC世界统一时间北京时间比时间统一时间UTC早8个小时import timet_local = time.localtime()...

原创 【深度之眼Python基础+数据科学入门训练营】第八章 文件、异常和模块

第八章 文件、异常和模块实际应用中，我们绝大多数的数据都是通过文件的交互完成的8.1 文件的读写8.1.1 文件的打开文件的打开通用格式with open("文件路径", "打开模式", encoding = "操作文件的字符编码") as f: "对文件进行相应的读写操作"使用with 块的好处：执行完毕后，自动对文件进行close操作。【例1】一个简单的文件读取...

原创 【深度之眼Python基础+数据科学入门训练营】第九章 有益的探索

第九章 有益的探索尝试着潜入水中，往冰山的深处扎一个小小的猛子9.1 数据类型的底层实现9.1.1 从奇怪的列表说起1、错综复杂的复制list_1 = [1, [22, 33, 44], (5, 6, 7), {"name": "Sarah"}]浅拷贝# list_3 = list_1 # 错误！！！list_2 = list_1.copy() #...

原创 【深度之眼Python基础+数据科学入门训练营】第七章 类-面向对象的编程

第七章 类——面向对象的编程引子Why：面向对象更符合人类对客观世界的抽象和理解一切皆对象一只小狗，一把椅子，一张信用卡，一条巧克力。。。一切对象，都有自己内在的属性狗狗的品种、椅子的质地、信用卡的额度、巧克力的口味。。。一切行为，皆是对象的行为狗狗蹲下、椅子移动位置、刷信用卡、巧克力融化了。。。How：类是对象的载体不同年龄、肤色、品质的猫，每一只都是一个对...

原创 【深度之眼Python基础+数据科学入门训练营】第六章 函数-面向过程的编程

第六章 函数4.1 函数的定义及调用4.1.1 为什么要用函数1、提高代码复用性——抽象出来，封装为函数2、将复杂的大问题分解成一系列小问题，分而治之——模块化设计的思想3、利于代码的维护和管理顺序式# 5的阶乘n = 5res = 1for i in range(1, n+1): res *= iprint(res)# 20的阶乘n = 20res = 1...

原创 【深度之眼Python基础+数据科学入门训练营】第五章 程序控制结构

第五章 程序控制结构非顺序式的程序控制，往往需要根据一定的条件，决定程序运行的路线。因此，我们首先来认识一下什么叫条件测试。第一部分 条件测试1、比较运算a = 10b = 8print(a > b) # 大于print(a < b) # 小于print(a >= b) # 大于等于print(a <= b) # 小于等于p...

原创 【深度之眼Python基础+数据科学入门训练营】第四章 组合数据类型

第四章 组合数据类型4.1 列表4.1.1 列表的表达序列类型：内部元素有位置关系，能通过位置序号访问其中元素列表是一个可以使用多种类型元素，支持元素的增、删、查、改操作的序列类型ls = ["Python", 1989, True, {"version": 3.7}]print(ls) ['Python', 1989, True, {'version': 3.7}]另...

原创 【深度之眼Python基础+数据科学入门训练营】第三章 基本数据类型

第一部分 数字类型1.1 数字类型的组成1.1.1 整数——不同进制的转换默认输入十进制二进制0b、八进制0o、十六进制0xprint(16 == 0b10000 == 0o20 == 0x10)True十进制与其他进制的转换a = bin(16) # 转二进制b = oct(16) # 转八进制c = hex(16) # 转十六进制print(a, ...

原创 【深度之眼Python基础+数据科学入门训练营】第二章 Python 基本语法元素

第一部分 数据类型1. 基本类型：数字、字符串、布尔1.1 数字类型int 整型   整数2float 浮点型   带小数的数2.0complex 复数   a+bj3+4j1.2 字符串类型str 字符串   视作文本组成： 由数字、字母、空格、其他字符等组合而成表达： 用" " 或’ ’In ...

原创 【深度之眼Python基础+数据科学入门训练营】第一章 绪论及环境配置

原创 【Python3 OpenCV3.3图像处理教程学习笔记01】读入图像+显示图像+保存图像

什么是图像？图像是二维或三维景物呈现在人们眼中的影像。例如人眼所见景物，照片，电视电影等。客观世界中，以自然形式呈现出的图像通常称作物理图像（也叫做连续图像，图像信号值是连续变化的）。计算机并不能直接处理物理图像；因为计算机只认识离散数字，所以一幅图像在用计算机处理前必须转化为数字形式，即数字图像 。在计算机中，图像是结构化存储的数据信息；图像属性：通道数目、高与宽、像素数据、图像类型。...

原创 【Python3 OpenCV3.3图像处理教程学习笔记00】环境搭建

1.什么是OpenCV？OpenCV为Open Source Computer Vision的缩写，是一个免费、开源、跨平台计算机视觉库，可以通过处理图像和视频来完成各种任务，包括显示摄像头输入的信号以及使机器人识别现实生活中的为物体。最初它由英特尔公司发起并参与开发，在商业和研究领域中可以免费使用。2.环境搭建...

原创 【安装】VSCode配置python开发环境（Anaconda）

Anaconda+VSCode搭建python开发环境新手报到，这是我的第一篇博客。已经学习Python有一段时间了，最近同学向我推荐了VSCode。写博客的主要目的是记录学习，欢迎交流学习，共同进步。一、Anaconda1.简介Anaconda是Python的一个科学计算发行版，内置了数百个Python经常会使用的库，也包括做机器学习或数据挖掘的库，如Scikit-learn、NumP...