算法
怕狗子的福哥
这个作者很懒,什么都没留下…
展开
-
服务器使用教程
ssh把本地的文件上传到服务器scp <本地文件名> <用户名>@<ssh服务器地址>:<上传保存路径即文件名如果希望将当前目录下的a.txt文件上传到ssh服务器上test文件夹并改名为b.txt,其中ssh服务器网址为127.0.0.1,用户名root。代码如下:scp a.txt root@127.0.0.1:/home/neo/test/b.txt...原创 2020-08-17 20:21:16 · 508 阅读 · 0 评论 -
LSTM
推导:https://zybuluo.com/hanbingtao/note/581764import randomimport numpy as npimport mathdef sigmoid(x): return 1. / (1 + np.exp(-x))def sigmoid_derivative(values): return values*(1-values)def tanh(x): return 2.0 / (1.0 + np.exp(-2 *原创 2020-06-06 00:09:17 · 272 阅读 · 0 评论 -
RNN
这里写目录标题RNN方法一前向传播损失函数反向传播方法二RNN方法一前向传播损失函数注意交叉熵损失计算反向传播VVV 的梯度计算:WWW 的梯度计算:误差计算:UUU 的梯度计算:import numpy as npclass ReluActivator(object): def forward(self, weighted_input): #return weighted_input return max(0, weig原创 2020-06-05 17:16:26 · 571 阅读 · 0 评论 -
基于矩阵形式的GNN模型实现
基于矩阵形式的GNN模型实现数据格式法一特别注意(这里使用交叉熵作为模型的损失函数,准确率作为评测结果的指标。这里直接根据loss计算梯度,对变量进行更新,没有像论文中那样计算梯度的稳定状态t,然后求t时刻的梯度)import tensorflow as tfimport numpy as npimport pandas as pdimport scipy.io as sioimport osdef f_w(inp): with tf.variable_scope('Sta原创 2020-06-03 16:57:59 · 547 阅读 · 0 评论 -
神经网络
神经网络import randomimport numpy as np# 全连接层实现类class FullConnectedLayer(object): def __init__(self, input_size, output_size, activator): ''' 构造函数 input_size: 本层输入向量的维度 output_size: 本层输出向量的维度 a原创 2020-06-02 21:01:30 · 188 阅读 · 0 评论 -
感知器
感知器import numpy as npclass Perceptron(object): def __init__(self,input_num,activate): self.activate = activate self.weights = np.random.rand(input_num) #self.weights = np.array([0 for _ in range(input_num)]).reshape((-1,1))原创 2020-06-01 21:44:06 · 159 阅读 · 0 评论