原创 GPU編程
查看服務器上gpu使用情況(shell) watch -n 1 nvidia-smi 查看當前環境是否有gpu（python） torch.cuda.is_available() 指定使用某一塊gpu（單GPU） os.environ[
2019-03-15 13:27:06
原创 pytorch(一)——利用anaconda配置pytorch+tensorflow+pycharm的環境
一、版本說明 爲了兼容pytorch及tensorflow，安裝的是python3.5。 二、anaconda的基本使用 以下指令在Anaconda Prompt中運行 conda env list 查看已創建的環境 activate p
2019-03-07 16:26:29
35
原创 20180325NN&DL（抑制過擬合）
1.神經元飽和 如果輸出神經元是低激活或者高激活（激活在接近0或者1時），那麼最後一層中的權重將學習得很慢，這種情況就是輸出神經元飽和了，權重停止學習或者學習得很慢。 有篇文章講的是不同的激活函數的飽和問題：https://blog
2019-01-26 03:37:58
原创 數據集的拆分
零、概念 分層採樣：保留類別比例的採樣 一、留出法 拆成兩個互斥的集合，一個訓練集S，一個測試集T 缺點：T小時評估結果不夠穩定準確；S小時，訓練時的數據S與S+D差別較大，訓練出來的模型與用S+D訓練出來的模型差別較大，降低了
2019-01-26 03:37:58
原创 pandas庫的使用——用於數據清洗、表格文件存取
簡介 pandas是基於numpy的庫，一維數據用Series，二維數據用DataFrame，以下所有例子都基於 #基本操作 一維初始化及按行索引 a=Series([1,2,3])#默認索引從0開始 b=Series([1,2,3],
2019-01-26 03:37:58
原创 GAN、CGAN、DCGAN
GAN： 值函數（評價函數，非損失函數）： x表示真實圖片，z表示輸入噪聲，x~Pdata(x)與x~Pz(z)表示滿足各自的分佈律。理想狀態下，D（G（Z））=0.5 更新方式： 交替訓練G（Generator）和D(Disc
2019-01-22 02:22:46
6
原创 爬蟲（二）——使用多線程的方式爬取CSDN博客的總訪問量
一.背景描述 在訪問量上1w+後就看不到具體的訪問數了，爲了獲得總訪問數可以將各篇博客的訪問數加起來，爲了實現這個步驟的自動化，使用了爬蟲的方法，怎麼爬csdn的博客訪問量可以參考以下博客，在此不贅述。 https://b
2019-01-08 01:33:13
原创 數據可視化——基於matplotlib庫
以下示例都基於進行了import操作 import matplotlib.pyplot as plt 常用函數 plt.plot(x,y,, color='green', marker='o', linestyle='dashed'
2019-01-05 04:31:33
原创 tensorflow（七）——RNN、LSTM
一、基礎知識 RNN：存儲了隱藏層的輸出作爲下一次的輸入，網絡具有時序信息 雙向RNN:正向反向傳遞上一層的記憶，組合形成輸出 從RNN到LSTM：RNN存在梯度消失，梯度爆炸的現象，所以對記憶體的存儲更新做了修改，原來RNN是無限制
2019-01-05 04:31:33
19
原创 tensorflow（五）——VGG16網絡
零、CNN常用命令 卷積 tf.nn.conv2d(input[batch,h,w,c],filter[h,w,c,out],strides=[1,h,w,1],padding='SAME'/'VALID',use_cudnn_on_
2019-01-04 04:40:21
2
原创 tensorflow（六）——基於VGG19網絡的特徵可視化、圖像識別
一、相關下載資料 vgg的mat文件（存儲了訓練得到的值）：http://www.vlfeat.org/matconvnet/models/beta16/imagenet-vgg-verydeep-19.mat imagenet_clas
2019-01-04 04:40:21
45
原创 爬蟲（一）基礎
瀏覽器到網站服務器響應 爬蟲就是用代碼替代裏瀏覽器，並對返回的信息進行解析 僞裝UA UA（User-Agent）在信息頭中用於對請求的身份進行識別，某些網站爲防止崩潰，會對機器人進行限制。比如發現是個python請求就直接拒絕了。 s
2019-01-02 05:11:05
2
原创 評價指標——精確度，召回率，真陽率，假陽率，P-R曲線，ROC曲線，AUC
1.定義 精確度（precision）/查準率：TP/（TP+FP）=TP/P 預測爲真中，實際爲正樣本的概率 召回率（recall）/查全率：TP/（TP+FN） 正樣本中，被識別爲真的概率 假陽率（False positive
2018-12-29 06:30:42
原创 linux系統——tmux中使用jupyter實現便捷看圖及編輯
1）tmux a -t yourtmuxname 起一個終端複用的session 2）安裝jupyter：pip install jupyter 3）命令行運行jupyter notebook 4）瀏覽器登錄給的地址 參考網址： tm
2018-12-27 04:05:09
8