![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
ML
文章平均质量分 81
zhuguorong11
这个作者很懒,什么都没留下…
展开
-
循环神经网络源码剖析
度学习领域的RNN(Recurrent Neural Networks)中文名又称之为:循环神经网络。# -*- coding: utf-8 -*-import numpy as npimport codecs#读取txt一整个文件的内容为字符串str类型data = open('text.txt', 'r').read()#去除重复的字符chars = list(set(da转载 2016-09-21 16:42:15 · 1099 阅读 · 0 评论 -
机器学习和深度学习库速查表
机器学习和深度学习库速查表Numpy库PandasScipyMatplotlibScikit LearnKerasNeural Networks Zoo转载 2017-06-01 15:32:15 · 761 阅读 · 0 评论 -
Q-Learning分析
Q-Learning算法详解:参考博文:1、http://blog.csdn.NET/pi9nc/article/details/27649323 2、http://mnemstudio.org/path-finding-q-learning-example-1.htm翻译 2017-05-25 20:17:54 · 4350 阅读 · 1 评论 -
RELU 激活函数及其他相关的函数
日常 coding 中,我们会很自然的使用一些激活函数,比如:sigmoid、ReLU等等。不过好像忘了问自己一(n)件事:为什么需要激活函数?激活函数都有哪些?都长什么样?有哪些优缺点?怎么选用激活函数?本文正是基于这些问题展开的,欢迎批评指正!(此图并没有什么卵用,纯属为了装x …)Why use activation functions?转载 2017-05-23 22:17:54 · 439 阅读 · 0 评论 -
TensorBoard如何调参
什么是 TensorBoardTensorBoard 是 TensorFlow 上一个非常酷的功能,我们都知道神经网络很多时候就像是个黑盒子,里面到底是什么样,是什么样的结构,是怎么训练的,可能很难搞清楚。而 TensorBoard 的作用就是可以把复杂的神经网络训练过程给可视化,可以更好地理解,调试并优化程序。我们在建立神经网络模型解决问题时,例如想要用一个简单的 CNN 进行数转载 2017-05-11 21:54:29 · 5311 阅读 · 1 评论 -
Spark聚类模型K-Means----来源Spark机器学习
import breeze.linalg.DenseVectorimport breeze.numerics.powimport org.apache.spark.mllib.clustering.KMeansimport org.apache.spark.mllib.linalg.Vectorsimport org.apache.spark.mllib.linalg.distribute原创 2017-03-14 23:25:46 · 1106 阅读 · 0 评论 -
Spark分类模型--来源Spark机器学习
import org.apache.spark.mllib.classification.{ClassificationModel, LogisticRegressionWithSGD, NaiveBayes, SVMWithSGD}import org.apache.spark.mllib.evaluation.BinaryClassificationMetricsimport org.ap原创 2017-03-14 23:24:48 · 793 阅读 · 0 评论 -
卷积神经网络入门学
卷积神经网络算法是n年前就有的算法,只是近年来因为深度学习相关算法为多层网络的训练提供了新方法,然后现在电脑的计算能力已非当年的那种计算水平,同时现在的训练数据很多,于是神经网络的相关算法又重新火了起来,因此卷积神经网络就又活了起来。在开始前,我们需要明确的是网上讲的卷积神经网络的相关教程一般指的是神经网络的前向传导过程,反向传播都是用梯度下降法进行训练,大部分深度学习库,都已经把反向求导的功转载 2016-10-30 16:49:58 · 425 阅读 · 0 评论 -
深度学习(DL)与卷积神经网络(CNN)学习随笔-05-基于Python的LeNet之CNN
今天我们就来讨论一下LeNet的模型建立及实现。 先来看一下LeNet的结构图。由图中可得到其结构分别为输入层、s1、c1、s2、c2和输出层。 其中,输入层到s1是卷积运算;输入层输入数据batch_size个样本,每个样本是一个28∗28的图片,s1层滤波器大小为5∗5,滤波器为20个。 经过卷积运算,s1的特征图数目为20个,每个特征图的大小为(2转载 2016-10-30 16:04:23 · 439 阅读 · 0 评论 -
深度学习(DL)与卷积神经网络(CNN)学习笔记随笔-02-基于Python的卷积运算
代码中会用到一个名叫dimshuffle()的函数。dimshuffle()是一个很强大的工具,但是对于初学者来说可能会搞不懂到底有什么用,一开始我也是。但是经过多次实验,终于弄懂了dimshuffle()的作用是什么,参见dimshuffle的作用详解[python] view plain copyimport theano impo转载 2016-10-30 15:47:45 · 460 阅读 · 0 评论 -
深度学习(DL)与卷积神经网络(CNN)学习笔记随笔-04-基于Python的LeNet之MLP
本文主要介绍含有单隐层的MLP的建模及实现。建议在阅读本博文之前,先看一下LR的实现。因为LR是简化版的MLP。LR不含有单隐层,则其输入层直接连接到输出层。从何处可以看出LR是输入层直接连接输出层?借用上一博文的公式:P(Y=i|x,W,b)=softmaxi(Wx+b)。其中,x是输入层,softmax是激活函数,P就是输出层了。我们将其化简并转换为一般神经网络表达式:f(x)=g(Wx+b)转载 2016-10-30 15:46:04 · 697 阅读 · 0 评论 -
深度学习(DL)与卷积神经网络(CNN)学习笔记随笔-03-基于Python的LeNet之LR
0阶张量叫标量(scarlar);1阶张量叫向量(vector);2阶张量叫矩阵(matrix) 本文主要内容:如何用python中的theano包实现最基础的分类器–LR(Logistic Regression)。 一、模型 由概率论知识总结出模型,二分类用公式(1),多分类用公式(2);为了求解公式(2)中的最优参数(W和b),推导出目标函数公式(3转载 2016-10-30 15:37:05 · 781 阅读 · 0 评论 -
卷积算子计算方法(卷积运算)
卷积操作是对图像处理时,经常用到的一种操作。它具有增强原信号特征,并且能降低噪音的作用。 那么具体是如何计算的呢?且看下文。待处理图像数据(5*5): 卷积核:(3*3)A = [17 24 01 08 15 H = [8 1 6 23 05 07 14 16转载 2016-10-30 15:34:29 · 1053 阅读 · 0 评论 -
theano入门学习
一、初识theano1、theano.tensor常用数据类型学习theano,首先要学的就是theano.tensor使用,其是基础数据结构,功能类似于Python.numpy,教程网站为:http://deeplearning.Net/software/theano/library/tensor/basic.html在theano.tensor数据类型中,有double、i转载 2016-10-30 13:30:18 · 581 阅读 · 0 评论 -
五个例子掌握theano.scan函数
一、theano的工作原理 在theano编程中,Graph是指导theano如何对变量进行操作的唯一途径,theano变量和theano Ops(操作)是Graph的两个基本构成元素。Graph只能由theano变量(包括shared变量)或常数组成。如图所示: 通常可以按如下步骤构造Graph:首先声明theano变量,theano变量在Pytho转载 2016-10-28 23:39:05 · 354 阅读 · 0 评论 -
theano中训练方法和模型的一些写法
按照这theano的tutorial开始跟着写了,因为去年年底之前学习过一段时间,但是当时时间少,并且很多地方也没搞懂,大多都是看着书来模仿,结果出错不好找地方之外,自己如果根据自己的想法随便写下结果就出错了。这几天好好的学习了下。我来总结下在softmax或者逻辑回归的代码中:1:在教程中写法是,先写一个类,在类的init方法中初始化w和b,以及计算概率。2:然后分别再另外的函数中计转载 2016-10-27 21:37:07 · 721 阅读 · 0 评论 -
softmax回归2
我们知道Logistic回归只能进行二分类,因为它的随机变量的取值只能是0或者1,那么如果我们面对多分类问题怎么办?比如要将一封新收到的邮件分为垃圾邮件,个人邮件,还是工作邮件;根据病人的病情预测病人属于哪种病;对于诸如MNIST手写数字分类(MNIST是一个手写数字识别库,相见:http://yann.lecun.com/exdb/mnist/)。诸如此类问题都涉及到多分转载 2016-09-27 22:58:33 · 290 阅读 · 0 评论 -
Softmax回归1
在本节中,我们介绍Softmax回归模型,该模型是logistic回归模型在多分类问题上的推广,在多分类问题中,类标签 可以取两个以上的值。 Softmax回归模型对于诸如MNIST手写数字分类等问题是很有用的,该问题的目的是辨识10个不同的单个数字。Softmax回归是有监督的,不过后面也会介绍它与深度学习/无监督学习方法的结合。(译者注: MNIST 是一个手写数字识别库,由NYU 的Y转载 2016-09-27 22:46:03 · 705 阅读 · 0 评论 -
tensorflow的共享变量,tf.Variable(),tf.get_variable(),tf.Variable_scope(),tf.name_scope()联系与区别
在训练深度网络时,为了减少需要训练参数的个数(比如具有simase结构的LSTM模型)、或是多机多卡并行化训练大数据大模型(比如数据并行化)等情况时,往往需要共享变量。另外一方面是当一个深度学习模型变得非常复杂的时候,往往存在大量的变量和操作,如何避免这些变量名和操作名的唯一不重复,同时维护一个条理清晰的graph非常重要。因此,tensorflow中用tf.Variable(),tf.g转载 2017-07-02 23:47:18 · 344 阅读 · 0 评论