机器学习
文章平均质量分 54
晨风先生
每一个解封的人都具有同等探索世界的能力。
一个被设计好的世界,和一个要改变世界的人。
大家好,我的偶像是乔帮主。
展开
-
tensorflow.python之Failed to get convolution algorithm定位错误
我在使用tensorflow_gpu2.1跑模型的时候遇到了这个问题: tensorflow.python.framework.errors_impl.UnknownError: Failed to get convolution algorithm. This is probably because cuDNN failed to initialize, so try looking to see if a warning log message was printed above. [[node se原创 2021-04-18 23:14:25 · 302 阅读 · 1 评论 -
机器学习第二关——k-means算法流程
k-means算法流程: #encoding=utf8 import numpy as np # 计算一个样本与数据集中所有样本的欧氏距离的平方 def euclidean_distance(one_sample, X): one_sample = one_sample.reshape(1, -1) distances = np.power(np.tile(one_sample, (X.shape[0], 1)) - X, 2).sum(axis=1) return distan原创 2020-06-17 17:04:13 · 2284 阅读 · 0 评论 -
机器学习实验四 ——基于距离的层次聚类
**本关任务:**使用scipy实现自下而上的凝聚聚类并作聚类分析。 相关知识 为了完成本关任务,你需要掌握:1.层次聚类算法,2.空间和聚类分析。 层次聚类介绍 层次聚类存在两个方向或两种方法。一个是自下而上,另一个是自上而下。对于自下而上,每个点一开始是作为一个单独的集群。接着,将两个最接近的集群合并,以形成一个两点集群。该过程将继续合并最接近的集群,直到您获得包含所有点的单个集群。自下而上又称为凝聚聚类。自上而下正好相反。它从包含所有点的单个集群开始,然后进行分割,直到每个集群都变成一个单独的点。 无原创 2020-06-17 16:58:20 · 1888 阅读 · 0 评论 -
机器学习-梯度下降实验
什么是梯度 梯度:梯度的本意是一个向量,由函数对每个参数的偏导组成,表示某一函数在该点处的方向导数沿着该方向取得最大值,即函数在该点处沿着该方向变化最快,变化率最大。 梯度下降算法原理 算法思想:梯度下降是一种非常通用的优化算法,能够为大范围的问题找到最优解。梯度下降的中心思想就是迭代地调整参数从而使损失函数最小化。假设你迷失在山上的迷雾中,你能感觉到的只有你脚下路面的坡度。快速到达山脚的一个策略就是沿着最陡的方向下坡。这就是梯度下降的做法:通过测量参数向量 θ 相关的损失函数的局部梯度,并不断沿着降低梯原创 2020-06-02 20:23:06 · 2668 阅读 · 3 评论