- 博客(27)
- 收藏
- 关注
原创 Linux操作系统编程(3)—— shell编程基础
Linux操作系统编程(3)—— shell编程基础前两篇文章分别是 常用linux操作命令常用Linux的命令系统、文件系统和帮助系统,已经讲述了linux基本命令和文件系统、帮助系统等,因此本文来梳理一下shell编程的语法和样例变量在shell中可以直接定义变量并给变量赋值,使用起来感觉类似pythonp=1a=123#要注意,这里不能有空格,因为添加空格之后就变成一个命令了如果我们要编写一个脚本的话,就需要先创建一个脚本文件, vim 1.sh 即可这个脚本的第一行是告诉大家
2020-12-21 17:12:14
243
原创 Linux操作系统编程(2)—— 常用Linux的命令系统、文件系统和帮助系统
Linux操作系统编程(2)—— 常用Linux的命令系统、文件系统和帮助系统命令系统在linux系统中输入的命令到底是怎么一回事呢?比方说我们用cp 或者ls,实际上就是执行了系统中的一个程序,这个程序是一个二进制文件。which cp就可以看到cp实际上是/bin/cp ,用ls浏览一下,会发现这是一个属于root用户且属于root组的程序/bin/cp~ % ls -l /bin/cp
2020-12-21 11:12:46
185
原创 C语言中的函数、数学运算符、选择与循环控制结构
C语言入门与提升(2)—— C语言中的函数、数学运算符、选择与循环控制结构前言:C语言作为面向过程的语言,所以不涉及类与继承的概念,那么函数与分支控制结构就更加重要了。一些复杂的操作建议写到函数中,方便进行debug。首先说明一下C语言中的运算符= 赋值+ - * / () 加减乘除括号,满足基本的运算律% 求余数& | ^ ~ 位运算,分别表示 与 或 异或 非<< >> 左移和右移这些运算符都很简单,但是有一些妙用可以提升我们...
2020-11-26 17:12:43
759
原创 详解c语言main函数、printf函数、scanf函数与va家族
C语言入门与提升——详解c语言main函数、printf函数与scanf函数,与va家族前言:为什么要学习C语言呢?C语言作为最古老的语言之一,走过了半个多世纪的风风雨雨,至今仍然长盛不衰,占据各大高校编程入门课的榜首,可以看出其重要性。作为面向过程语言,它与C++又可以以较小的代价接轨,所以在这里先讲清楚C语言,在C语言的基础上后期再分享数据结构和算法,以及C++编程。最简单的也是最多的入门程序#include<stdio.h>int main(){ printf
2020-11-26 14:54:03
765
原创 常用Linux操作命令大全
Linux操作系统编程(一)—— 基本Linux操作命令前言 :Linux操作系统相比Windows操作系统来说,是从图形界面到字符界面的转化。我们在日常生活中普遍使用的系统是Windows系统,基本占据了个人计算机80% ~ 90% 以上的份额,也正因如此,我们想要完全将工作迁移到Linux系统上进行是比较困难的,但是这一步又是必须经历的,因为在服务器上,Linux操作系统的比例达到了86%,基本是统治地位,余下的那些使用非linux系统的服务器一般也都是比较早的服务器,比如说银行等。这个现象就说
2020-11-26 10:50:18
235
2
原创 《Deeplearning with python》读书笔记-第二部分 深度学习实践——计算机视觉CV、特征提取、卷积网络可视化
深度学习用于计算机视觉卷积神经网络下列代码将会展示一个简单的卷积神经网络。它是 Conv2D 层和 MaxPooling2D 层的堆叠。用model.summary()查看神经网络的结构再添加分类器,展平用Flatten(),全连接层和一个激活函数为不变函数的输出层最终的训练结果相比之前的密集连接网络精度更高了。密集连接层和卷积层的根本区别在于,Dense 层从输入特征空间中学到的是全局模式(比如对于 MNIST 数字,全局模式就是涉及所有像素的模式),而卷积层学到的
2020-06-15 09:49:01
527
原创 《Deeplearning with python》读书笔记-第一部分 机器学习基础、数据预处理、通用工作流程
《Deeplearning with python》读书笔记-第一部分 机器学习基础、数据预处理、通用工作流程之前已经提到了几个问题,二分类问题,多分类问题,标量回归问题。这些都是监督学习(supervised learning),目标是学习训练输入与训练目标之间的关系。而机器学习实际上可以分为四类:1监督学习:给定一组样本(通常由人工标注),它可以学会将输入数据映射到已知目标[也叫标注(annotation)]。Ex:光学字符识别、语音识别、 图像分类和语言翻译主要包括分类和回归,但是还.
2020-06-05 17:46:52
189
原创 《Deeplearning with python》读书笔记-第一部分 二分类、多分类、回归问题样例
二分类、多分类、回归问题样例二分类问题(电影评论划分为正面或者负面)多分类问题(将新闻按主题分类)回归问题(根据房地产数据估算房屋价格)多个层链接在一起组成了网络,将输入数据映射为预测值。然后损失函数将这些预测值与目标进行比较,得到损失值,用于衡量网络预测值与预期结果的匹配程度。优化器使用这个损失值来更新网络的权重。 不同的张量格式与不同的数据处理类型需要用到不同的层。例如,简单的向量数据保存在形状为 (samples, features) 的 2D 张量中,通...
2020-06-05 17:40:46
465
原创 《Deeplearning with python》读书笔记-第一部分深度学习基础、数学基础
本书的作者是Keras之父,现任Google人工智能研究员的弗朗索瓦·肖莱(Francois chollet),很适合有了基础的神经网络概念,正准备学习使用框架的同学们。第一部分 深度学习基础1 什么是深度学习人工智能的简洁定义如下:努力将通常由人类完成的智力任务自动化。早些年的专家相信只要程序员编写足够多的明确规则来处理知识,就可以实现与人类水平相当的人工智能。这被称为符号主义人工智能,在20世纪80年代的专家系统中这个方法的热度达到了顶峰...
2020-06-03 10:37:43
338
原创 基于python手写深度学习网络系列(9)为什么要加深网络?VGG、GoogleNet和ResNet,以及书籍推荐和分享。
基于python手写深度学习网络系列(9)为什么要加深网络?VGG、GoogleNet和ResNet这里使用的卷积层全都是3×3的小型滤波器,特点是随着层的加深,通道数变大(卷积层的通道数从前面的层开始按顺序以16、16、32、32、64、64的方式增加)。 此外,如图8-1所示,插入了池化层,以逐渐减小中间数据的空间大小;并且, 后面的全连接层中使用了Dropout层。使用He初...
2020-04-17 14:41:05
688
原创 基于python手写深度学习网络系列(8)卷积神经网络的实现(结构、卷积层、池化层)
基于python手写深度学习网络系列(8)卷积神经网络的实现(结构、卷积层、池化层)CNN,很重要,主要用于图像识别、语音识别等场合。7.1 整体结构也是通过层的组装结合来搭建,但是相比之前的神经网络多了卷积层(convolution层)和池化层(Pooling层)之前的神经网络,相邻层的神经元之间都会有连接,也就是全连接(fully-connected)基于全连接层...
2020-04-17 14:16:48
1151
原创 《统计学习方法(第二版)》李航 读书笔记 (8)第5章 决策树 以及典型算法ID3、C4.5和CART
《统计学习方法(第二版)》李航 读书笔记 (8)第5章 决策树 以及典型算法ID3、C4.5和CART分类决策树模型是一种描述对实例进行分类的树形结构。由结点和有向边组成。内部节点表示一个特征或树形,叶结点表示一个类。路径上内部结点的特征对应着规则的条件,而叶结点的类对应着规则的结论。 决策树学习本质上是从训练数据集中归纳出一组分类规则。归纳学习由于依赖于检验数据,因此...
2020-04-14 16:33:31
484
原创 《统计学习方法(第二版)》李航 读书笔记 (7)第4章 朴素贝叶斯法和信息论一些概念
《统计学习方法(第二版)》李航 读书笔记 (7)第4章 朴素贝叶斯法和信息论一些概念对于给定的数据集,首先基于特征条件独立假设学习输入输出的联合概率分布;然后基于此模型,对给定的输入x,利用贝叶斯定理求出后验概率最大的输出y。 应用方面包括故障诊断(diagnose)、专家系统(expert system)、规划(planning)、学习(learning)、分类(cl...
2020-04-13 15:10:51
305
原创 基于python手写深度学习网络系列(7)寻找最优权重参数的方法(超参数设定、dropout、权值衰减、不同的优化器)
基于python手写深度学习网络系列(6)寻找最优权重参数的方法(超参数设定、dropout、权值衰减、不同的优化器)寻找最优权重参数的最优化方法、权重参数的初始值、超参数的设定方法等还有权值衰减、DroPout等正则化方法最优化optimization沿梯度方向更新参数并不断重复这个步骤多次,从而逐渐靠近最优参数,这就是随机梯度下降法(Stochastic gradient ...
2020-04-09 17:47:41
2808
原创 《统计学习方法(第二版)》李航 读书笔记 (6)k-近邻算法,习题3
《统计学习方法(第二版)》李航 读书笔记 (6)k-近邻算法,习题3k-nearest neighbor k-NN是一种基本分类与回归方法。输入为实例的特征向量,对应特征空间中的点;输出为实例的类别,可以取多类。K近邻法假设给定一个训练数据集,其中的实例类别已定。分类时,对新的实例,根据其k个最近邻的训练实例的类别,通过多数表决等方式进行预测。K近邻法没有显式的学习过程算法3.1 k近...
2020-04-09 11:03:30
539
原创 《统计学习方法(第二版)》李航 读书笔记 (5)感知机原理、例题和习题2.3推导
《统计学习方法(第二版)》李航 读书笔记 (5)感知机原理、例题和习题2.3推导二分类线性模型,输入为实例的特征向量,输出为实例的类别感知机对应于输入空间中将实例划分为正负两类的分离超平面,属于判别模型;导入基于误分类的损失函数; 利用梯度下降法对损失函数进行极小化; 感知机学习算法具有简单而易于实现的优点,分为原始形式和对偶形式; 1957年由Rosenblatt提出...
2020-04-08 16:21:24
470
原创 基于python手写深度学习网络系列(6)误差反向传播实现手写数字识别网络
基于python手写深度学习网络系列(6)误差反向传播实现手写数字识别网络通过计算图进行了解:计算图就是将计算过程用图形表示出来,图形指的是数据结构图,通过多个节点和边表示。从左向右传播是正向传播,反过来就是反向传播。局部计算:无论全局发生了什么,都能只根据与自己相关的信息输出接下来的结果。计算图的优点:通过局部计算,简化各个节点的计算;计算图可以将中间的计算结果全部保...
2020-04-07 18:37:38
986
原创 百度飞桨深度学习7日入门培训课程心得体会(PaddlePaddle)
课程的架构大概如下所示,第一天是利用pyecharts库对数据进行可视化,与后面课程作业的联系不太大,可以看作是对数据获取(爬虫)的一个熟悉。最终实现的结果如下:这部分饼图的代码非常简单,如下from pyecharts.charts import Piep = Pie()p.add("实时确诊人数", [list(z) for z in zip(labels, c...
2020-04-07 18:15:09
691
原创 《统计学习方法(第二版)》李航 读书笔记 (4)第一章习题手写解答 伯努利模型的极大似然估计和贝叶斯估计;通过经验风险最小化推导极大似然估计
《统计学习方法(第二版)》李航 读书笔记 (4)第一章习题手写解答 伯努利模型的极大似然估计和贝叶斯估计;通过经验风险最小化推导极大似然估计监督学习方法又可以分为生成方法(generative approach)和判别方法(discriminative approach),所学到的模型也就是生成模型和判别模型生成方法:由数据学习联合概率分布P(X,Y),然后求出条件概率分布P(Y|X)...
2020-04-07 17:31:38
1214
1
原创 《统计学习方法(第二版)》李航 读书笔记(3)过拟合与正则化、泛化能力等概念
过拟合与模型选择假设给定训练数据集 假设拟合的M次多项式为经验风险最小:利用最小二乘法求得拟合多项式系数的唯一解为了避免过拟合,模型选择的典型方法是正则化(regularization),正则化是结构风险最小化策略的实现,是在经验风险上加上一个正则化项(regularizer)或罚项(penalty term)不同的问题正则化...
2020-04-07 14:39:27
169
原创 基于python手写深度学习网络系列(5)神经网络的学习能力
基于python手写深度学习网络系列(5)神经网络的学习能力学习就是从训练数据中自动获取最优权重参数的过程这里所说的“特征量”是指可以从输入数据(输入图像)中准确地提取本质数据(重要的数据)的转换器,常用的计算机视觉领域的特征量包括SIFT、SURF、HOG,将数据一般转化成向量的形式,然后再使用SVM,KNN等分类器进行学习(这是机器学习的过程)为了正确评价模型的泛化能力,就...
2020-04-03 18:18:26
786
原创 基于python手写深度学习网络系列(4)神经网络结构化
基于python手写深度学习网络系列(4)神经网络结构化这是比较结构化的神经网络,forward代表前向,因为后边可能还会有后向的反馈。最后的输出函数,回归问题用恒等函数,分类问题用softmax函数。有可能出现溢出问题,解决方法如下:这里的C’可以用任意数值,但一般选择输入信号中的最大值这个softmax函数不会改变元素之间的大小关系,因为exp是递增函数。机器学习首先使用...
2020-04-03 18:05:46
268
原创 《统计学习方法(第二版)》李航 读书笔记(2)统计学习方法分类和介绍(监督、非监督、强化学习)
《统计学习方法(第二版)》李航 读书笔记(2)统计学习方法分类监督学习:从标注数据中学习预测模型的机器学习问题,本质是学习输入到输出的映射的统计规律将输入与输出所有可能取值的集合分别称为输入空间(input space)与输出空间(output space)每个具体的输入是一个实例(instance),通常由特征向量(feature vector)表示所有特征向量存在的空间称为特征空...
2020-04-03 17:41:19
465
原创 《统计学习方法(第二版)》李航 读书笔记(1)学术资源刊物和概述
《统计学习方法(第二版)》李航 读书笔记(1)学术资源刊物和概述相关学术资源下载• COLT和ICML(每年度的官网): http://www.cs.mcgill.ca/~colt2009/proceedings.html• CV:http://www.cvpapers.com/index.html;• NIPS: http://books.nips.cc/;• JMLR(期刊): ...
2020-04-02 19:26:29
334
原创 基于python手写深度学习网络系列(3)神经网络
标题基于python手写深度学习网络系列(3)神经网络神经网络主要包括输入层,中间层(也叫隐藏层)和输出层感知机的激活函数是阶跃函数,换成sigmoid函数就变成神经网络了。sigmoid函数形式如下:h(x)=1/(1+exp(−x))h(x) = 1/{(1+exp(-x))}h(x)=1/(1+exp(−x))对numpy数组进行不等号运算可以看到对x数组进行比较大小,就会对...
2020-04-02 17:40:52
232
原创 基于python手写深度学习网络系列(2)感知机的实现
基于python手写深度学习网络系列(2)感知机的实现感知机是由美国学者Frank Rosenblatt在1957年提出来的。感知机是神经网络最基本的形式,可以将它粗略理解为人类大脑中的神经元,输入一个数据,然后通过计算,输出一个数据,具体的形式是output=weight∗input+biasoutput = weight * input +biasoutput=weight∗input...
2020-04-02 16:24:07
187
原创 基于python手写深度学习网络系列(1)
深度学习入门python入门对python有了解的可以自动略过这一章代码都是在jupyter中运行的可以使用type查询数据的类型,构造列表使用【】,注意编程时必须全部使用英文字符有了列表之后,取其中元素的方法有很多,python支持切片操作,但是直接使用a[]就会报错对于-1,-2索引,对应着列表最后一个和倒数第二个元素,有时候会有很大的用处,所以要记住。下一种比较重要的数据结...
2020-04-02 15:55:44
204
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