原创 TensorFlow實例(5.2)--MNIST手寫數字進階算法(卷積神經網絡CNN) 之 卷積tf.nn.conv2d
在這個文章裏,將通過數據的變化,來演示卷積神經網絡中卷積(Convolution), 卷積(Convolution)是卷積神經網絡的第一步,而本文的目的僅僅只是爲了說明strides與padding參數 在 TensorFlow實例(5
原创 javascript(23行) 實現貪喫蛇
例中有兩個script標籤,第一個就是javascript程序,第二個是第一個複製後的說明 <!doctype html> <html> <body style="background:black;"> <div id="game
原创 Python簡化類例六:另一種變量賦值取值的寫法
# -*- coding: utf-8 -* ''' 前言:這是我自己想出來的方法,我不知道是否有人用過這種寫類的方法,我也沒想出一個什麼樣名字來稱呼它,反正我叫它簡化類 之所以稱之爲簡化類,是因爲我沒辦法實現多重繼承,但類的基本繼承,重
原创 tensorflow實例(3)--傳入量的定義與使用
tensorflow實例(1)--變量、常量的定義與使用 介紹了常量或變量的存儲形式 TensorFlow 還提供了 傳入量(feed) 機制 可以在 run時直接插入一個參數值, 這個值只有在調用它時有效,方法結束,傳入量就會消失
原创 機器學習(5)--K-means聚類(Clustering)算法
K-means算法簡述: 1、 K-means算法是聚類(Clustering)中的經典算法,同時,也是數據挖掘的經典算法之一 2、 該算法主
原创 機器學習(4)--層次聚類(hierarchical clustering)基本原理及實現簡單圖片分類
關於層次聚類(hierarchical clustering)的基本步驟: 1、假設每個樣本爲一類,計算每個類的距離,也就是相似度 2、把最近的兩個
原创 機器學習(3.2)--PCA降維鳶尾花數據降維演示
PCA(Principal components analysis)也稱主成分分析,是機器學習中降維的一種方法本例使用數據集簡介:以鳶尾花的特徵作爲
原创 Visual studio + IIS環境下跨域項目,移動端可觸發斷點調試的WEB服務器佈署
這個標題寫的我相當混亂,怎麼看都是四不像。因爲這篇文間涉及的東西的確有點凌亂, 不過目的還比較清晰的。先說說目的 1、 最終目的是實現跨域,跨域的目的是爲了前後端完全分離,這樣前端(手機(app)、電腦(純html+JS))同後臺只通過
原创 Python簡化類例七:單例類的寫法
''' 前言:這是我自己想出來的方法,我不知道是否有人用過這種寫類的方法,我也沒想出一個什麼樣名字來稱呼它,反正我叫它簡化類 之所以稱之爲簡化類,是因爲我沒辦法實現多重繼承,但類的基本繼承,重寫還是實現了的 如果有興趣的朋友請留下您保貴的
原创 javascript(23行) 實現貪吃蛇
例中有兩個script標籤,第一個就是javascript程序,第二個是第一個複製後的說明 <!doctype html> <html> <body style="background:black;"> <div id="game
原创 機器學習(3.1)--PCA降維基本原理
PCA(Principal components analysis)也稱主成分分析,是機器學習中降維的一種方法 爲什麼要降維 在真實的數據中有各種問
原创 TensorFlow實例(4)--MNIST簡介及手寫數字分類算法
MNIST 是Tensoflow提供的一個入門級的計算機視覺數據集,分爲兩部分(訓練集和測試集) 其中訓練集共55000張,測試集共10000張,當爲None時隨機讀取 每一張圖又包含兩部分,就稱爲x與y吧 x是一個長度爲784的數
原创 javascript(30行)+css 實現七色俄羅斯方塊的操控及代碼實現的說明
說明:這個JS僅實現了俄羅斯方塊的操控,最後的消層沒有處理,爲了測試方便自動下落也沒處理 例中有兩個script標籤,第一個就是javascript程序,第二個是第一個複製後的說明 <!doctype html> <html> <he
原创 tensorflow實例(1)--變量、常量的定義與使用
本文將通過三個例子來詳細說明tensorflow中如何定義、使用變量與常量 在window下安裝python與tensorflow的方法可參考我的另一篇文章 win7 64 位 Visual studio 環境下,使用whl依賴包,搭建p
原创 TensorFlow實例(5.1)--MNIST手寫數字進階算法(卷積神經網絡CNN)
MNIST 是Tensoflow提供的一個入門級的計算機視覺數據集,分爲兩部分(訓練集和測試集) 其中訓練集共55000張,測試集共10000張,當爲None時隨機讀取 在看這篇文章前,你必須先對神經網絡(NN)、MNIST手寫數字是