- 博客(14)
- 资源 (20)
- 收藏
- 关注
RSS订阅原创 tensorflow 自编码器
AutoencodersAutoencoder可以对输入数据进行无监督的学习，coding得到的结果的维度往往很低，因此自编码器可以用于数据的降维；自编码器也可以用于特征检测；同时也可以生成许多与训练数据相似的新数据，这可以被称为生成模型(generative model)。setup code# 不显示python使用过程中的警告import warningswarn
2018-01-31 19:43:58
1877
2
原创 tensorflow RNN
RNN介绍setup code# 不显示python使用过程中的警告import warningswarnings.filterwarnings("ignore")%matplotlib inlineimport matplotlib.pyplot as pltimport numpy as npimport tensorflow as tfimport osde
2018-01-29 21:15:03
1084
原创 卷积神经网络的基本概念与mnist测试
CNN简介视觉皮质有一块很小的局部感受野(local receptive feld)。不同的感受野之间可能会发生重叠，所有的感受野组成了可视区域对视觉皮质的研究最终演化为CNN，CNN除了之前的全连接层以及激活函数等概念，还引入了卷积层和池化层等概念setup code# 不显示python使用过程中的警告import warningswarnings.fil
2018-01-28 12:11:47
2211
原创 DNN训练过程中的一些问题以及技巧
DNN训练过程中的一些问题以及技巧首先介绍几个概念 lower layers ：浅层的网络层，主要对简单的特征进行梯度，如边缘、角点等deeper layers：深层的网络层，主要用于提取十分复杂的特征。在使用DNN的过程中，我们可能会遇到一些问题 梯度弥散或者梯度爆炸，这会提升DNN的训练难度对于大型的网络来说，其训练速度十分慢如果网络参数过多，很容易发生过拟合的问题
2018-01-25 17:26:14
6438
原创 tensorflow 神经网络基本使用
TF使用ANN(artificial neural network)简介受到生物神经网络的启发发展历史 生物神经网络单元逻辑运算单元：and、or、xor等运算感知机(perceptron)：hw(x)=step(wT⋅x)h_w(x)=step(w^T \cdot x)多层感知机和反向传播(multi-perceptron and backpropagation)p
2018-01-22 20:40:18
5108
原创 tensorflow入门
tensorflow 基本使用简介TF底层是用C++封装的，因此十分高效TF定义一个图，然后利用优化的C++代码对图进行计算TF有可视化工具tensorboard，可以对计算图进行可视化TF可以实现自动微分(automatic differentiating)TF默认情况下会使用所有gpu，同时占满所有gpu内存，如果需要对其进行修改，可以参考：https://www.cnb
2018-01-22 15:05:23
362
原创 jupyter tensorflow配置
jupyter tensorflow配置Anaconda安装按照官网安装即可tensorflow按照官网安装即可使用时需要source activate tensorflowwindows防火墙配置在配置jupyter，使其能够远程访问之前，首先需要配置本地的防火墙，因为用服务器ping本地windows机器出现了无法连接的情况解决办法的链接：ht
2018-01-20 23:13:41
3638
原创 sklearn 降维方法概述
降维方法现实中的许多数据都是稀疏的(sparse)，高维数据处理的时间和空间复杂度都十分大，因此需要对数据进行降维对数据进行降维，会在一定程度上降低数据的精度，同时也会增加机器学习模型处理流程的复杂度。主要的降维方法映射(Projection)现实中的许多数据的特征都是相关的，或者特征为常数，可以利用映射的方法将高维数据映射到低维流行学习(Manifold
2018-01-20 00:54:40
4471
原创 sklearn集成方法
集成方法 集成方法是训练很多基学习器，然后用这些基学习器去对进行分类或者回归，最后取所有结果中比例最大的作为模型的结果投票分类器(Voting Classifiers)定义：对于一个训练集，有很多分类器，比如说Logistic、KNN、SVM等。对于一个样本，我们给出所有分类器的分类结果，然后利用这个结果对样本的分类进行预测 hard voting classifier
2018-01-19 17:53:18
8258
3
原创 一些常用的回归模型
线性回归模型线性回归线性回归在求解时，一般需要给所有样本添加一个常数项，作为回归模型的偏置线性回归模型可以表述为 y^=hθ(x)=θTx\hat y = {h_\theta }(x) = {\theta ^T}x 该方程有封闭解，利用最小二乘法可以有 θ^=(xTx)−1x⋅y\hat \theta = {({x^T}x)^{ - 1}}x \cdot y%ma
2018-01-16 12:33:33
20856
1
原创 sklearn 数据预处理
sklearnpreporcessing预处理，针对每一列数据生成对应的多项式特征，可以用于之后的多项式拟合，即先生成对应的多项式，然后再利用最小二乘法拟合一个矩阵为[a,b]的形式，则生成2阶多项式特征之后为[1, a, b, ab, a^2, b^2]interaction_only为True时，只找出有交互作用的多项式矩阵，[1,a,b,ab]include_bias=F
2018-01-08 22:52:37
3674
2
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人