机器学习
铛铛叶
赶紧去看文献
展开
-
卷积、池化后的尺寸变化
尺寸变化:输出尺寸=(输入尺寸−核尺寸+2∗padding)/stride+1输出尺寸 = (输入尺寸 - 核尺寸 + 2*padding)/ stride +1输出尺寸=(输入尺寸−核尺寸+2∗padding)/stride+1举例,python: nn.Conv2d(nc, ndf, kernel_size=4, stride=2, padding=1)输出尺寸=(96−4+2∗1)/2+1=48输出尺寸 = (96 - 4 + 2*1) / 2 +1 = 48输出尺寸=(96−4+2∗1)/2原创 2021-08-26 19:23:28 · 983 阅读 · 0 评论 -
吴恩达Lecture13-2:PCA
吴恩达Lecture13-2:PCAPCA算法描述PCA应用:人脸降维总结PCA算法描述使用PCA将n维数据减少到k维。实现数据压缩或数据可视化。PCA过程:(1)均值归一化。计算所有特征均值,令Xj=Xj−uj.X_j = X_j - u_j.Xj=Xj−uj.若特征不在同一数量级上,需要除以标准差或者SjS_jSj.(2)计算协方差矩阵sigma Σ.(3)计算协方差矩阵的特征向量。u,s,v = numpy.linalg.svd(sigma)Zi=Ur⋅XiZ^i=U_r·原创 2021-07-09 16:59:27 · 117 阅读 · 0 评论 -
吴恩达Lecture13:K-Means聚类
吴恩达Lecture13:K-Means聚类K-Means AlgorithmK均值化过程K均值应用:图像压缩K-Means Algorithmk均值聚类算法是一个迭代的过程,每次迭代包括两个步骤:(1)随机选择k个类的中心,将样本逐个指派到与其最近的中心的类上,得到一个聚类结果;(2)更新每个类的样本均值,作为类的新的中心;(3)重复以上步骤,直至中心不再变化。K均值化过程'''样本逐个指派最近的中心类'''def findClass(x,centroids): idx=np.ze原创 2021-07-08 18:06:15 · 240 阅读 · 0 评论 -
axis=0?axis=1?
使用0值表示沿着每一列或行标签\索引值向下执行方法 使用1值表示沿着每一行或者列标签模向执行对应的方法原创 2021-06-18 15:08:26 · 80 阅读 · 0 评论 -
高级优化算法scipy.optimize
scipy中的optimize子包中提供了常用的最优化算法函数实现,我们可以直接调用这些函数完成我们的优化问题。scipy.optimize包提供了几种常用的优化算法。 该模块包含以下几个方面使用各种算法(例如BFGS,Nelder-Mead单纯形,牛顿共轭梯度,COBYLA或SLSQP)的无约束和约束最小化多元标量函数(minimize()) 全局(蛮力)优化程序(例如,anneal(),basinhopping()) 最小二乘最小化(leastsq())和曲线拟合(curve_fit()).转载 2021-06-11 20:22:11 · 2400 阅读 · 0 评论 -
机器学习成才之路
机器学习成才之路:这是一条GitHub高赞的学习路径 - 知乎 (zhihu.com)原创 2021-05-13 16:15:16 · 73 阅读 · 0 评论