- 博客(10)
- 收藏
- 关注
RSS订阅原创 tensorflow训练过程日志监控
tf.logging.set_verbosity(tf.logging.INFO)当设置INFO级别后，tf.contrib.learn会自动每百步后输出损失度量数据到标准输出。
2019-07-18 16:54:11
685
转载 tf.gfile.FastGFile
tf.gfile.FastGFile(path,decodestyle)函数功能：实现对图片的读取。函数参数：(1)path：图片所在路径 (2)decodestyle:图片的解码方式。(‘r’:UTF-8编码; ‘rb’:非UTF-8编码)import matplotlib.pyplot as plt import tensorflow as tf #tf.gfileGFile()函...
2019-07-10 09:45:40
361
原创 笔试题-饥饿的小易
一道网易的笔试题，很有意思，需要通过观察之后利用数学方法解出。题目描述：小易总是感觉饥饿，所以作为章鱼的小易经常出去寻找贝壳吃。最开始小易在一个初始位置x_0。对于小易所处的当前位置x，他只能通过神秘的力量移动到 4 * x + 3或者8 * x + 7。因为使用神秘力量要耗费太多体力，所以它只能使用神秘力量最多100,000次。贝壳总生长在能被1,000,000,007整除的位置(比如：位置...
2019-04-02 00:39:54
164
原创 剑指offer-9-用两个栈实现队列
题目：用两个栈实现队列题目描述：用两个栈来实现一个队列，完成队列的Push和Pop操作。 队列中的元素为int类型。解题思路：有两个栈stackA,stackB，A为入栈，B为出栈的。入栈时，直接进入A即可，出栈时，先判断B中是否有元素，如果没有肯定不能pop()，应将A中所有元素倒压在B里面，再pop()最上面（后面）的元素，如果有，直接pop()就可以了。两个栈各自先进后出，在一起又实现了...
2019-03-21 11:32:45
92
原创 leetcode-搜索插入位置-二分查找
顺序查找：class Solution(object): def searchInsert(self, nums, target): """ :type nums: List[int] :type target: int :rtype: int """ l = len(nums) ...
2019-03-20 15:35:46
142
转载 关于Deep learning和NLP实战应用项目
GitHub NLP项目：自然语言处理项目的相关干货整理自然语言处理（NLP）是计算机科学，人工智能，语言学关注计算机和人类（自然）语言之间的相互作用的领域。本文作者为自然语言处理NLP初学者整理了一份庞大的自然语言处理项目领域的概览，包括了很多人工智能应用程序。选取的参考文献与资料都侧重于最新的深度学习研究成果。这些自然语言处理项目资源能为想要深入钻研一个自然...
2019-02-28 15:48:22
732
转载 深度学习面试题集锦【2】
算法与数据结构二叉树二叉搜索树如何删除某个节点，先说思路后写代码 (今日头条)。二叉树之字形层次遍历，（正反正反）。链表一个链表，如何依次输出第一个，倒数第一个，第二个，倒数第二个（今日头条）。原址：变换为奇数在前 偶数在后，相对顺序不变。链表求和。查找给一个 float 数，如何求算术平方根．(今日头条)哈希要实现一个哈希表应该怎么做（根据要哈...
2019-02-28 15:30:37
531
转载 深度学习面试题集锦【1】
【转自机器之心】去年上海科技大学 AI 实验室开源了一份深度学习面试题集锦，它从数学基础、经典机器学习算法、深度学习算法以及编程语言等方面提供了众多面试题。此外，这一个项目是作者在准备 2018 年春招实习过程中的总结，内容以计算机书籍的学习笔记为主，在整理重点知识的同时会尽量保证知识的系统性。项目地址：https://github.com/ShanghaiTechAIClub/DLInter...
2019-02-28 15:24:35
1547
原创 机器学习中的隐变量
在看《统计学系方法》的EM算法部分时，书中写道EM算法用于含有隐变量的概率模型参数的极大似然估计，或极大后验概率估计。什么是隐变量呢？让我们先简单的说一下，我们估计算法在做的一些事情，我们要做的其实就是估算出概率模型的参数，概率模型是什么呢？你可以简单把它理解成一个分布，甚至说可以把它理解成一个函数，我们的估计算法就是为了求解出这些函数的参数而存在的。这边借用知乎上的一个例子，希望能够解释清楚隐...
2019-02-28 14:33:51
5423
3
转载 机器学习中正则化项L1和L2的直观理解
正则化（Regularization）机器学习中几乎都可以看到损失函数后面会添加一个额外项，常用的额外项一般有两种，一般英文称作ℓ1ℓ1-norm，中文称作L1正则化和L2正则化，或者L1范数和L2范数。L1正则化和L2正则化可以看做是损失函数的惩罚项。所谓『惩罚』是指对损失函数中的某些参数做一些限制。对于线性回归模型，使用L1正则化的模型建叫...
2019-02-27 09:36:19
157
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人