自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+

zhujianing的博客

太轻松就学不到什么东西

  • 博客(16)
  • 资源 (3)
  • 问答 (1)
  • 收藏
  • 关注

原创 Numpy 快览(一)

1.    创建数组:In[2]:a=arange(5) In[3]:aOut[3]:array([0, 1, 2, 3, 4])2. 查看类型:In[6]:a.dtypeOut[6]:dtype('int64')3.    向量的维度:In[7]:a.shapeOut[7]:(5,) a.shape是一个tuple,代表每一个维度的大小

2017-06-30 09:56:02 474

原创 ipython

进入ipythonzhu-Macs-MacBook-Pro:~ zhujianing$ ipython --pylab保存编辑的代码%logstart运行python文件%run -i ipython_log.py若输入d,即为调试,键入c逐行调试%run -d ipython_log.py若输入p,为性能分析%run -p ipython_log.py资源帮助

2017-06-30 02:22:36 444

原创 使用KNN算法手写体识别

#!/usr/bin/python#coding:utf-8import numpy as npimport operatorimport matplotlibimport matplotlib.pyplot as pltimport os'''KNN算法1. 计算已知类别数据集中的每个点依次执行与当前点的距离。2. 按照距离递增排序。3. 选取与当前点距离最小的k个点

2017-06-29 18:57:56 1407

原创 使用KNN算法改进约会网站的配对效果

#!/usr/bin/python#coding:utf-8import numpy as npimport operatorimport matplotlibimport matplotlib.pyplot as plt'''KNN算法1. 计算已知类别数据集中的每个点依次执行与当前点的距离。2. 按照距离递增排序。3. 选取与当前点距离最小的k个点4. 确定前k个点所

2017-06-29 15:21:22 612

原创 k-近邻算法

#!/usr/bin/python#coding:utf-8import numpy as npimport operator'''KNN算法1. 计算已知类别数据集中的每个点依次执行与当前点的距离。2. 按照距离递增排序。3. 选取与当前点距离最小的k个点4. 确定前k个点所在类别的出现频率5. 返回前k个点出现频率最高的类别作为当前点的预测分类'''def crea

2017-06-28 22:51:37 465

原创 更新tensorflow到1.2版本

sudo pip install --upgrade tensorflow

2017-06-16 17:25:01 996

原创 python文件批处理

#!/usr/bin/python#coding:utf-8import numpy as npimport os# 关于中心点对称,输入为3维数组def gycenter(f): # 获得每一维度的长度 coordZ = f.shape[0] coordY = f.shape[1] coordX = f.shape[2] for z in ra

2017-06-11 03:01:20 689

转载 python文件操作

Python获取文件上一级目录:取文件所在目录的上一级目录os.path.abspath(os.path.join(os.path.dirname('settings.py'),os.path.pardir))os.path.pardir是父目录,os.path.abspath是绝对路径举例具体看一下输出:    print os.path.dirname(os.p

2017-06-11 00:24:34 381

转载 python内置类型

indexmodules |next |previous | Python » dev (3.7)3.63.5.33.43.32.7 Documentation » The Python Standard Library »  |4. Built-in TypesThe following sections describe th

2017-06-09 19:29:57 2035

转载 A Beginner's Guide To Understanding Convolutional Neural Networks Part 2

原文网址:http://blog.csdn.net/darkprince120/article/details/52996004Introduction        本文将会更加详细地介绍卷积网络。声明:现在我意识到有些内容相当复杂,甚至需要用一整篇文章才能解释清楚。为了内容详尽的同时尽量保证文章精简,我会将有关内容的参考文献链接到本文中。Stride and

2017-06-07 08:45:04 441

转载 A Beginner's Guide To Understanding Convolutional Neural Networks

原文网址:http://blog.csdn.net/darkprince120/article/details/52807029Introduction        卷积神经网络CNN,虽然它听起来就像是生物学、数学和计算机的奇怪混杂产物,但在近些年的机器视觉领域,它是最具影响力的创新结果。随着Alex Krizhevsky开始使用神经网络,将分类

2017-06-07 08:43:45 1103

转载 你应该知道的9篇深度学习论文(CNNs 理解)

原文网址:http://blog.csdn.NET/darkprince120/article/details/53024714 Introduction        本文主要总结了卷积神经网络在机器视觉领域的重要发展及其应用。我们将介绍几篇重要的公开发表的论文,讨论它们为何重要。前一半的论文(AlexNet到ResNet)将主要涉及整体系统架构的

2017-06-07 08:39:56 6339

转载 tensorflow深度学习原理

作者: 陈迪豪,就职小米科技,深度学习工程师,TensorFlow代码提交者。TensorFlow深度学习框架Google不仅是大数据和云计算的领导者,在机器学习和深度学习上也有很好的实践和积累,在2015年年底开源了内部使用的深度学习框架TensorFlow。与Caffe、Theano、Torch、MXNet等框架相比,TensorFlow在Github上Fork数和St

2017-06-05 23:16:03 3583

转载 《视觉SLAM十四讲》书籍图片资源

转载自:http://blog.csdn.net/nnnnnnnnnnnny/article/details/70947568版权声明:转载请注明出处,谢谢。目录(?)[+]最近在拜读高博的新作《视觉SLAM十四讲》,发现书中的灰度图片有时会造成对相关内容理解困难,随将书中的图片存放在这里,以便随时查阅。我想高博看到了,也一定不会反对的,哈哈。

2017-06-05 13:29:53 3554

转载 计算机视觉整理库

本文章有转载自其它博文,也有自己发现的新库添加进来的,如果发现有新的库,可以推荐我加进来转自:http://www.cnblogs.com/tornadomeet/archive/2012/05/24/2515980.htmlDeep Learning(深度学习):ufldl的2个教程(这个没得说,入门绝对的好教程,Ng的,逻辑清晰有练习):一ufldl的2个教程(

2017-06-02 17:53:54 1714

转载 深度森林:探索深度神经网络以外的方法

挑战深度学习 《深度森林:探索深度神经网络以外的方法》阅读量:1306收藏本文深度神经网络的巨大成功掀起了一股深度学习热潮。  或许,这股热潮有些“太热”了。  就在这周,南京大学机器学习与数据挖掘研究所(LAMDA)负责人周志华教授将他和 LAMDA 博士生冯霁写的论文《深度森林:探索深度神经网络以外的方法》(Deep Fo

2017-06-01 12:41:39 2940 1

web 强化学习与GAN

web 强化学习与GAN

2019-01-13

science 文件阅读指南

science 文件阅读指南

2019-01-13

numpy beginner's guide

numpy beginner's guide

2017-08-29

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除