原创 cs231n knn
k近鄰（KNN） KNN分類器分爲兩個階段： 在訓練階段，分類器獲取訓練數據，並記住它; 在測試階段，knn分類器計算每一張測試集的圖片與訓練集中所有圖片的距離，並導出k個最近的訓練樣本的類標籤; 對k進行交叉驗證 # 獲取數
2020-06-21 03:53:38
1
原创 TF-day1 MINIST識別數字
當我們開始學習編程的時候，第一件事往往是學習打印”Hello World”。就好比編程入門有Hello World，機器學習入門有MNIST 主要步驟 - 獲取數據 - 建立模型 - 定義 tensor，variabl
2020-06-21 03:53:38
28
原创 C++ Prime plus 類和對象
面向對象（oop）： • 抽象 • 封裝和數據隱藏 • 繼承 • 代碼可重用性 類規範： • 類聲明：以數據成員的方式描述數據部分，以成員函數（方法）的方式描述共有接口。類的內存大小，就是數據成員的內存之和
2020-06-21 02:52:04
原创 TF-day6 CNN簡單分類
主要內容： 何爲CNN code 一、何爲CNN 圖解何爲CNN http://www.jianshu.com/p/6daa1af1cf37 深入理解： http://study.163.com/course/cours
2020-06-21 02:52:04
原创 什麼是雲計算？
轉載：雲計算是什麼？ 一、傳統電腦 當你啓動一臺個人電腦(PC機)時，電腦所做的事，就是把硬盤上的操作系統(OS，本文以微軟的Windows 8爲例，但也可以是Unix、Linux等等)的一些基本的控制程序調入到電腦的內存中去。一
2020-02-21 17:59:00
原创 cs231n notes:Python Numpy Tutorial
##cs231n notes:Python Numpy Tutorial #idctionary d = {'cat':'cute','dog':'furry'} #三種遍歷方式 for k,v in d.items():
2020-02-21 17:58:46
原创 TF-day2 神經網絡基礎知識
學習內容： 計算圖 graph 張量 tensor 會話 session 變量 variable：常用的變量生成函數 佔位符 placeholder 1.計算圖 graph tensorflow中的每一個計算都是計算圖
2020-02-21 17:58:46
原创 Ubuntu16.04+CUDA8.0+Tensorflow
電腦配置: 系統:Ubuntu16.04 顯卡:Quadro P400 一. 安裝顯卡驅動: 主要參考博文:Nvidia驅動安裝 1.先下載相應驅動鏈接: NVIDIA驅動下載 選擇驅動: Nvidia 375.66 1)
2020-02-21 17:58:46
原创 動態數據爬取
關於爬蟲的知識很早之前就學過，但時間久了，不用的話就都忘了。還好當時筆記有寫在我的印象筆記上～～ 1）今天公司要求在新三板上爬取部分上市公司數據，要求400家公司的名稱，以及其所屬類型，創/基。 全國中小企業股份轉讓系統 需要
2020-02-21 17:58:46
原创 TF day4 常用損失函數
TF day2 裏面說到神經網絡的工作, 得到的預測值與實際的 label 比較得到了誤差，我們的目標是讓這個誤差越來越小。 那麼這個誤差怎麼定義呢? 這就是損失函數了~~~ 分類問題和迴歸問題都屬於監督學習. 對於分類問題
2020-02-21 17:58:46
原创 NLP學習筆記
NLP（Nutural language processing ）概述 一、自然語言處理的應用場景： 市場調查公司，在線填寫問卷。怎麼判斷出哪些問卷是認真寫，哪些是瞎填的？ 情感分析：判斷一個人在什麼樣的情緒瞎填寫的這份問
2020-02-21 17:58:46
1
原创 服務器安裝centos7.0
裝系統什麼的，果然就是實習生乾的活。。裝過虛擬機的centos，裝過ubuntu，原以爲很簡單，但服務器的一點不一樣，造成的是一路來各種意想不到的坑！！！ 但通過自己一步步摸索，最終看到那麼漂亮的centos界面還是灰常開心的～
2020-02-21 17:58:46
原创 TF-day3 mnist識別數字
相對TF-day1中mnist數字識別的神經網絡,這次的神經網絡結構更復雜. 使用了帶指數衰減的學習率設置,使用正則化來避免過度擬合,以及使用滑動平均模型來使得模型更加健壯. # coding: utf-8 from tenso
2020-02-21 17:58:46
原创 TF day 5 神經網絡的優化
主要內容： 反向傳播backpropagation和梯度下降gradient decent 學習率learning rate的設置：指數衰減法 過擬合問題：正則化regularization 一. 優化算法 反向傳播和梯度下降
2020-02-21 17:58:46