原创 機器學習/深度學習筆試面試——基礎篇

                                                       

原创 Python讀寫文件模式和文件對象方法

一. 讀寫文件模式 利用open() 讀寫文件時,將會返回一個 file 對象,其基本語法格式如:  open ( filename, mode) 其中,filename變量是一個包含了你要訪問的文件名稱的字符串值。而mode決定了你打開

原创 Python基礎——np.where

Python 按條件查找數列中滿足要求的值和索引,如: #------------------------------------------------------------------------- # 產生一個亂序的隨機序列 >>

原创 Python基礎——字典中由value查key的幾點說明

衆所周知,字典dict最大的好處就是查找或插入的速度極快,並且不想列表list一樣,隨着key的增加越來越複雜。但是dict需要佔用較大的內存空間,換句話說,字典dict是以空間換速度。詳細請見如下示例: #---------------

原创 手把手教你訓練深度神經網絡

轉載地址:https://www.jiqizhixin.com/articles/2017-02-16-4 Github地址:http://rishy.github.io//ml/2017/01/05/how-to-train-your-

原创 windows系統下安裝theano和keras

 學習深度學習也有一段時間了,從在最開始的python安裝,到後來的Anaconda3,再到tensorflow,這一路的安裝過程就費了很大的勁;雖然網絡的相關安裝指導也一大堆,但是一到自己動手安裝時總會出現這樣或那樣的錯誤,導致最後的安

原创 Python基礎——append、count、extend、index、insert、pop、remove、reverse、sort、clear、copy

在Python中對於列表(list)的操作有很多的方法,它們是與對象密切相關的一些函數,對象的形式可以是:列表,數字,字符串,或其他類型。現對一些常用方法進行總結: 方法的調用格式: 對象.方法(參數) 1. append 功能:在列表的

原创 Anaconda和tensorflow離線安裝

工欲善其事,必先利其器。相信很多人在初次接觸Python時,在開始編程前,都需要先安裝相應的工具。 對於Python而言也不例外,Python官方下載安裝:https://www.python.org/downloads/ 但是,Pyt

原创 信息、信息熵、條件熵、信息增益、信息增益率、GINI指數、交叉熵、相對熵

在信息論與概率統計學中,熵(entropy)是一個很重要的概念。在機器學習與特徵工程中,熵的概念也常常是隨處可見。自己在學習的過程中也會常常搞混,於是決定將所有與熵有關的概念整理總結,方便查看和學習。 1. 信息 它是熵和信息增益的基礎概

原创 深度學習之優化算法

在⼀個深度學習問題中,通常我們會預先定義⼀個損失函數。有了損失函數,就可以使⽤優化算法試圖使其最小化。在優化中,這樣的損失函數通常被稱作優化問題的⽬標函數(objectivefunction)。依據慣例,優化算法通常只考慮最小化⽬標函數。

原创 利用tensorflow訓練自己的圖片數據(4)——神經網絡訓練

一  . 說明 在上一篇博客——利用tensorflow訓練自己的圖片數據(3)中,我們建立好了本次訓練的模型,接下來就是開始網絡訓練,並保存訓練後的網絡參數,以便測試時使用。 二 . 編程實現 #====================

原创 tensor的維度(軸)—axis的解釋

張量,或tensor,可以看作是向量、矩陣的自然推廣,我們用張量來表示廣泛的數據類型。 張量的階數有時候也稱爲維度,或者軸,軸這個詞翻譯自英文axis。 譬如一個矩陣[[1,2],[3,4]],是一個2階張量,有兩個維度或軸。 沿着第0個

原创 Python基礎——numpy.random的使用

Numpy中的random模塊用於生成隨機數,常用函數的用法總結如下: 1. 產生隨機數 numpy.random.rand(d1,d2,d3...dn):生成一個[0,1)之間的隨機浮點數或N維浮點數組。 >>>import nump

原创 Python序列化——pickle模塊

序列化——pickle模塊 在程序運行的過程中,所有的變量都是在內存中,變量可以隨時修改,但若修改的變量沒有存儲到磁盤上,一旦程序結束,變量所佔用的內存就被操作系統全部回收;因此,下次重新運行程序時,修改的變量又會被還原成初始化狀態。 所

原创 Python基礎——map() 函數和 reduce() 函數

map()函數 map()是 Python 內置的高階函數,它接收一個函數 f 和一個 list,並通過把函數 f 依次作用在 list 的每個元素上,得到一個新的 list 並返回。 例如,對於list [1, 2, 3, 4, 5,