台部落-江郎才尽-

1.下載 MYSQL服務下載地址：https://dev.mysql.com/downloads/mysql/ 2.解壓 3.修改配置在解壓出的文件主目錄中創建一個文本文件：my.ini 內容： [mysqld] # Remove l

2018-12-01 00:04:27

1.激活函數作用：激活函數的作用是實現線性函數的去線性原理：將神經網絡最後一層隱藏層的輸出都經過一個非線性函數，那麼整個神經網絡就是一個非線性函數了。用法：特徵矩陣*權重矩陣+偏置矩陣數學定義： TensorFlow實現： a

2018-11-28 13:00:24

感知機：單層神經網絡，沒有隱藏層。問題：不能解決異或問題。多層網絡：具有解決異或問題的能力。多層網絡解決問題的原理：深層神經網絡實際上有組合特徵提取的功能。這個特性對於解決不易提取特徵向量的問題（比如圖像識別、語音識別等）有很大的幫

2018-11-28 13:00:24

0.深度學習的定義（維基百科）：一類通過多層非線性變換對高複雜性數據建模算法的合集。 1.深度學習與深層神經網絡的關係：因爲深層神經網絡時實現“多層非線性變換”最常用的一種方法，所以在實際中基本上可以認爲深度學習就是深層神經網絡的代名

2018-11-20 05:30:24

使用說明 1.上標的表示：a^{x} 上標內容爲帶有符號的字符串：a^{上標內容}，即需要加大括號上標內容爲不帶有符號的字符串（或單個字符）：a^上標內容，即不加大括號樣例： y=a^{(1)}W^{(2)} ===》 2.下標的

2018-11-20 05:30:24

1.placeholder機制作用：解決多次迭代中，計算圖過大的問題。 |- 如果不使用placeholder機制，多次迭代中，多個特徵向量，對應多個計算圖。計算圖利用率低。 |- 使用placeholder機制，多次迭

2018-11-20 05:30:24

訓練集：模擬數據集解決的問題：二分類問題樣例代碼： # 1.導入模塊 import tensorflow as tf # NumPy是一個科學計算的工具包，這裏通過NumPy工具包生成模擬數據集 from numpy.random

2018-11-20 05:30:24

0.TensorFlow的兩個主要依賴包：Protocol Buffer、Bazel。 1.序列化：將結構化的數據持久化或者進行網絡傳輸時，需要進行序列化。 2.Protocol Buffer：谷歌開發的處理結構化數據的工具。

2018-11-13 22:53:09

0 基礎實體：一個實際問題中的具體對象，如一個零件，一個茶杯，一本書等。特徵向量（feature vector）：所有用於描述實體的數字的組合就是一個實體的特徵向量。對應一個空間（1維到n維）中的點。特徵提取：獲取實體的特徵向量的過

2018-11-13 22:53:09

0.TensorFlow的基礎模型： |- 計算模型：計算圖 |- 數據模型：張量 |- 運行模型：會話 1.計算模型——計算圖： 1.1 計算圖的概念計算圖，又稱爲“張量流圖”（TensorFlow的字面意思

2018-11-13 22:53:09

0.TensorFlow中的變量 |- 函數介紹： |- tf.Variable：TensorFlow中的變量聲明函數 |- tf.random_normal： |- Ten

2018-11-13 22:53:09

0.前言：這裏以最簡單的全連接神經網絡爲例，講解前向傳播算法。 1.神經元：構成一個神經網絡的最小單元。 |- 神經元的輸入：有多個輸入，可以是整個神經網絡的輸入，也可以是上層神經元的輸出。 |- 神經元的輸出：一個

2018-11-13 22:53:09

2018-11-08 06:00:21

以用戶名“devicelog”爲例，列出配置ftp用戶權限的方法 1.ftp添加用戶，創建並設置主目錄，限定只能用於ftp登錄 useradd -d/ftpdata/devicelog -g ftp -s /sbin/nologin de

2018-09-04 22:47:12

1.下載源碼 wget http://nginx.org/download/nginx-1.12.0.tar.gz 2.編譯前配置解壓之後，進入源碼目錄，進行編譯前配置，執行： ./configure --with-stream -

2018-09-04 22:46:57