原创 字節跳動提前批後臺,一面面經

今天下午面了字節跳動飛書後臺的一面,一共面了差不多一個半小時,面試官很耐心,問的有深度有廣度。 首先是一段自我介紹 然後問的操作系統和組成原理相關的: 1、線程和進程的區別             答:進程有獨立資源,線程是進程的子結構,

原创 opencv ImportError解決方法

安裝完opencv-python後直接使用可能會遇到以下兩個錯誤,這是缺少運行文件,按照提示安裝即可,這裏稍微記錄一下。 ImportError: libSM.so.6: cannot open shared object file: N

原创 機器學習作業 3-layer Forward Neural Networks(BP算法)在ex4Data數據集

ML課堂作業,第五個是三層前向網絡,老數據集ex4Data,首先把作業要求貼上來,一共可以分爲兩個部分,分別是手寫版和tensorflow版,因爲三層前向網絡已經不是線性模型,所以也無法繪製出分類線,通過計算準確性來評估模型。 數據集

原创 機器學習筆記 perceptron(感知機) 在ex4Data數據集上的實現

慣例的ML課堂作業,第四個也是最後一個線性分類模型,感知機。 感知機是一個非常簡單的線性分類模型,簡單來說就是一個神經元,其激活函數是門限函數,有n個輸入和一個輸出,和神經元結構十分相似。 感知機的損失函數是看作是分類錯的所有樣本的輸

原创 機器學習筆記 softmax的實現 ex4Data數據集

ML課的第三個練習作業 總共實現兩個優化算法一個是GD一個是SGD,邏輯迴歸的已經在前面的博客中實現過了 數據集鏈接: http://openclassroom.stanford.edu/MainFolder/DocumentPage.

原创 機器學習筆記 tensorflow實現在cifar10數據集上的cnn

主要是試着使用一下cifar-10數據集,cifar-10數據集爲60000張32*32*3的彩色圖片,總共有10個類別,其中50000張訓練集,10000張測試集。 下載地址:http://www.cs.toronto.edu/~kri

原创 機器學習作業-線性迴歸 南京房價預測

ML課上老師佈置的第一個作業,利用線性迴歸預測南京房價,具體任務和數據如下圖所示: 首先我們可以很簡單的看出這是一個遞增的序列,所以2014年的價格大致應該是在13左右,這有助於我們調試程序。 所謂線性迴歸就是用一條直線去擬合數據的關係

原创 numpy 拼接矩陣

numpy中的矩陣拼接方法 首先我們有一個數據是一個mn的numpy矩陣現在我們希望能夠進行給他加上一列變成一個m(n+1)的矩陣 import numpy as np a = np.array([[1,2,3],[4,5,6],[7,

原创 機器學習作業-Logistic Regression(邏輯迴歸)

ML課堂的第二個作業,邏輯迴歸要求如下: 數據集鏈接如下: http://openclassroom.stanford.edu/MainFolder/DocumentPage.php?course=DeepLearning&doc=ex

原创 機器學習筆記 tensorboard的使用

tensorboard是一個功能強大的可視化工具,這裏簡單的介紹一下tensorboard的使用,首先給出中文社區的教程:http://www.tensorfly.cn/tfdoc/how_tos/summaries_and_tensor

原创 機器學習筆記 tensorflow mnist上實現CNN網絡

mnist上的一個普通cnn例子,採用兩層卷積和池化層加一層全連接,爲了防止過擬合在全連接層用了dropout,是一個十分簡單的例子 import tensorflow as tf import input_data mnist = i

原创 機器學習-學習筆記(三)第三章 線性模型

線性模型試圖通過一個屬性的線性組合來得到一個預測值進行預測,即 或者可以寫成矩陣形式,即 其中和b通過學習得到,線性模型非常容易理解,他通過對所有屬性進行綜合考慮來進行預測,其中權值可以理解爲某個屬性的重要程度,例如在判斷蘋果是否成熟

原创 機器學習-學習筆記(一)第一章 基本概念

    看完了西瓜書的第一章,做一個簡單的筆記。 一、基本概念屬性(attribute)/特徵(feature)-反映事件或對象在某方面的表現或性質的事項,屬性張成的空間稱爲“屬性空間”(attribute space)/“樣本空間”(s

原创 機器學習-學習筆記 tensorflow上實現bp網絡 分別在MNIST數據集和機器學習課後習題5.5

本來想根據機器學習書上的推導的梯度下降公式手寫一個梯度下降,但是效果不好,後面用了tf自帶的梯度下降後成功。 發現方差作爲代價函數不能在MNIST數據集上取得良好效果,訓練正確率始終在0.1上下徘徊。 MNIST上的優化函數得使用交叉熵,

原创 機器學習-學習筆記 Tensorflow教程 MNIST上的softmax迴歸

按着官網的教程寫了一遍,注意一下python版本的語法問題,很容易就跑通了,如果MNIST數據集沒法直接通過input_data下載,可以現在官網上下好,然後放到read_data_sets裏設置的目錄下,就可以了,不需要解壓。 imp