原创 TensorFlow學習——Getting Started With TensoFlow

本博文是根據TensorFlow最新(r1.0)官方文檔編寫的,自己對上面的教程整理了一下,根據自己的理解寫的。 本人看過TensrFlow(0.5)的官方文檔。因此,我不會把全部教程都寫上來,主要寫和之前不同的,或者我沒看過的。 h

原创 Windows下py2和py3共存配置

本人最近在寫本科的畢業設計,有用到一些機器學習的算法,而且我是用python2和python3實現的。爲什麼需要用兩個版本?因爲我比較熟悉python2,而Tensorflow框架現在已經支持python3了,而且我不太在我Lin

原创 手寫數字識別系統編程技巧

手寫數字識別系統編程技巧 之前,我寫過一篇文章Python實現手寫識別系統http://blog.csdn.net/louishao/article/details/60867339。這個實際上是我最近完成的本科畢業論文的課題。

原创 機器學習入門——初步認知人工神經網絡

8 神經網絡初步 人工神經網絡的結構及其算法模擬自生物神經系統的組織和運轉機能,具有悠久的歷史。學術界對人工神經網絡算法的研究幾經浮沉。今年來,深度學習(Deep learning)算法的突破又將神經網絡推向了一個新的高峯。當然

原创 機器學習入門——應用機器學習的建議

10 應用機器學習的建議 機器入門系列文章中,我已經根據課程,介紹了許多算法,比如線性迴歸、Logistic迴歸,以及神經網絡,等等。而針對具體的問題,我們採取了某種算法,實現後,發現效果不好,需要改進。有些時候需要增加數據量,有

原创 Logistic迴歸編程實戰

Logistic迴歸編程實戰 上一節學習了Logistic迴歸,這一節就針對該算法進行編程實戰,所使用的是python2.7。 以下是本項目的全部代碼 # -*- coding:utf-8 -*- from numpy impo

原创 機器學習入門——線性代數簡單回顧

本節課程回顧了一些簡單但常用的線性代數知識 很基礎的,我會直接跳過,並對矩陣的一些運算進行編程實現。 3.1 矩陣的加法和標量乘法 矩陣加法:要求行列數要相等,然後,每個元素對應相加。 exp: 矩陣的標量乘法:每個元

原创 Linux下安裝tensorflow庫

tensorflow是一個很不錯的人工智能框架,具備豐富的python api。本人很多機器學習算法都是使用它來實現的,因此,本文就分享自己在python2.7中安裝tensorflow的經驗吧。 tensorflow在python2.7

原创 機器學習入門——神經網絡深入

9 神經網絡深入 在第8章中,我們講解了神經網絡的初步認知,主要是理解了引入神經網絡的意義及其前向傳播過程。本章我們將進一步理解神經網絡,理解它是如何自動優化參數,使其能完成分類、預測等功能的。 9.1 代價函數(Cost Fu

原创 MySql的安裝和配置

摘要 由於學習中需要用到數據庫,所以最近也着手學習數據庫,我學習的是MySql,本博客是屬於入門級別,介紹的是在Linux(Unbuntu)和Windows(Win10)下MySql(5.7.17)的安裝以及編碼的配置。 1.

原创 基於Python的PIL庫學習(一)

基於Python的PIL庫的學習(一) 摘要 對於圖像識別,大量的工作在於圖像的處理,處理效果好,那麼才能很好地識別,因此,良好的圖像處理是識別的基礎。在Python中,有一個優秀的圖像處理框架,就是PIL庫,本博文會分模塊,介

原创 機器學習入門——線性迴歸

本人從2017年起,開始涉獵機器學習。作爲入門,首先學習的是斯坦福大學Andrew Ng(吳恩達)教授的Coursera課程 2 單變量線性迴歸 線性回歸屬於監督學習(Supervise Learning),就是Right an

原创 python爬蟲實戰小項目

本文所講的爬蟲實戰屬於基礎、入門級別,使用的是python2.7實現的。 爬蟲原理和思想 本項目實現的基本目標:在捧腹網中,把搞笑的圖片都爬下來,注意不需要爬取頭像的圖片,同時,將圖片命好名放在當前的img文件中。 爬蟲

原创 機器學習入門——Logistic迴歸

6 Logistic迴歸 學習了線性迴歸(包括單變量和多變量),我們發現可以使用它來實現預測某個食物的發展趨勢。 那麼能不能使用線性迴歸進行分類呢? 單純的線性迴歸,,其假設函數一個訓練數據,對應一個假設值,這樣起不到分類的效

原创 MySQL入門操作

二 MySQL入門操作 摘要 本文爲MySQL的最基本的操作介紹,同樣屬於入門級別,可幫助數據庫小白迅速上手。 2.1 針對庫的操作 (1) 查看當前用戶的所有數據庫,類似Linux下的ls SHOW DATABASES; (