机器学习
文章平均质量分 58
tkyjqh
这个作者很懒,什么都没留下…
展开
-
使用kaggle_secrets登录wandb,并解决wandb.finish出错,不显示jupyter日志问题
kaggle代码登录wandb,解决wandb关闭失败,jupyter日志不显示到wandb,'ZMQDisplayPublisher' object has no attribute '_orig_publish'原创 2022-04-30 17:57:13 · 2361 阅读 · 2 评论 -
Hamiltonian Monte Carlo算法理解
因为RBN,学习了一会儿MCMC,理解不太深,但在接触Bayesian GAN时碰到HMC又很晕,好在看了两篇博客,重新梳理了MCMC,对HMC有了点初步理解,整理如下。 两篇博客一篇是CSDN,一篇是WordPress上的。CSDN应该是翻译WordPress上的。 theclevermachine博客 https://theclevermachine.wordpress.c原创 2017-12-27 11:13:27 · 9406 阅读 · 1 评论 -
Tensorboard命令未找到问题的解决
tensorboard命令未找到,重新安装其他版本tensorflow出现unsupported wheel,修改文件名,解决问题。原创 2017-10-15 09:07:35 · 4214 阅读 · 0 评论 -
Tensorflow安装和Tensorboard的使用
1. Tensorflow源码安装2. Tensorflow pip安装3. Tensorboard使用原创 2017-08-08 21:27:46 · 1878 阅读 · 0 评论 -
Tensorflow LSTM时间序列预测的尝试
LSTM的tensorflow实现。TS_LSTM实现铁路客运量预测,训练测试代码。原创 2017-08-20 21:43:19 · 4398 阅读 · 2 评论 -
Resnet Cifar-10调试
Resnet CifarEstimator原创 2017-08-15 10:26:24 · 1503 阅读 · 0 评论 -
CNN数学公式、Caffe框架简要
1. 前言 下载AR人脸数据库,用Caffe-face中的face_example中的模型去学习,用一体机CPU方式,感觉没多久就死机了似的。觉得前一段时间急于得到成效,中间看到的很多东西都没消化。现在重新梳理一下。 本文主要参考了徐其华的Caffe学习专栏2. CNN网络的数学公式2.1 卷积公式2.2 求导公式2.3 激励函数2.4 Softma原创 2017-03-21 16:09:15 · 3077 阅读 · 2 评论 -
人脸比对CNN设计
一、DeepID学习基于Caffe的DeepID2实现 喵耳朵博客2016.10,让你的Caffe支持python层,屏蔽下面配置,然后重新编译。不过最好直接修改Caffe。 修改的目的主要是适应两个图片的输入。自己实现了ContrastiveLossLayer,LocalNormalization两个层,似乎新版Caffe有这两个层。 DeepFace–Facebook的人脸识别原创 2017-04-12 10:16:50 · 7169 阅读 · 0 评论 -
Caffe安装,Caffe-face安装, 双操作系统
1. Caffe安装2. 带CPU,GPU原创 2017-03-18 20:37:45 · 952 阅读 · 0 评论 -
深度学习研究草稿笔记(1)
LSTM基本原理梯度修剪Dropout原创 2017-08-18 15:04:01 · 1441 阅读 · 0 评论 -
Tensorflow代码阅读
一、resnet.py1. main函数2. res_net_model函数原创 2017-08-12 16:17:46 · 677 阅读 · 0 评论 -
Explaining away
Explaining away是解析学习Sigmoid Belief Net困难是用到的一个重要概念,理解并不直观,用概率表格形式来解释更加直观。 假设A, B, C三事件相互独立,发生的概率分别为a, b,c。概率表如下: A B C P(A,B,C) 0 0 0 (1-a)(1-b)(1-c) 0 1 0 (1-a)b(1-c原创 2017-02-07 12:07:15 · 1011 阅读 · 0 评论 -
Sigmoid Belief Net
generative model最大化p(x),图理论与概率论结合,信念网(Belief Nets)需要解决两个问题: 1. 推理(inference),推导未观察变量的状态。 2. 学习(learning),调整权值使得观察变量生成的概率最大。 早期的图模型是人工定义图结构和各变量之间的条件概率。对于随机生成神经网来说,结构和条件概率这些知识需要通过学习从训练原创 2017-02-07 09:25:06 · 2079 阅读 · 0 评论 -
RBM的学习算法
RBM定义的能量函数和概率函数为: E(v,h)=−∑iaivi−∑jbjhj−∑i,jwijvihjE(v,h)=-\sum_i a_i v_i-\sum_j b_j h_j-\sum_{i,j}w_{ij}v_i h_j p(v,h)=exp(−E(v,h))∑v,hexp(−E(v,h))p(v,h)=\frac{exp(-E(v,h))}{\sum_{v,h} exp(-E(v,h))原创 2017-02-08 11:42:36 · 608 阅读 · 0 评论 -
MCMC平衡条件的一个反思
对于Marcov Chain平衡条件公式: Π=ΠP\Pi = \Pi P ,其中P为概率转移矩阵,Π\Pi为平衡概率状态。 如果不注意,可以推导出下述公式: kΠ=kΠPk\Pi = k \Pi P, 可能会得出kΠk\Pi也是P的平衡概率状态,这有一个错误, 因为∑iΠ=1\sum_i \Pi=1,而∑ikΠ=k≠1\sum_i k\Pi=k \neq 1, kΠk\Pi不再是一原创 2017-02-08 09:40:42 · 355 阅读 · 0 评论