原创 python：數據類型
數值 type(1) <class 'int'> type(1.2) <class 'float'> type(1+2j) <class 'complex'> python支持任意大數字，受內存大小限制 提高可讀性，數值下可以
2020-03-08 17:02:08
原创 Python
學習自《深度學習入門》 Python是一個簡單、易讀、易記的編程語言，而且是開源的，可以免費地自由使用 憑藉着 NumPy（Numerical Python）、SciPy等優秀的數值計算、統計分析庫，在數據科學領域佔有不可動搖的
2020-03-04 23:33:21
原创 《深度學習入門》讀書筆記2：神經網絡
關於感知機，既有好消息，也有壞消息。好消息是，即便對於複雜的函數，感知機也隱含着能夠表示它的可能性。上一章已經介紹過，即便是計算機進行的複雜處理，感知機（理論上）也可以將其表示出來。壞消息是，設定權重的工作，即確定合適的、能符合
2020-03-03 07:12:09
原创 《深度學習入門》讀書筆記5：卷積神經網絡
一丶一般的神經網絡與CNN CNN 中新增了 Convolution 層 和 Pooling 層。連接順序是“Convolution - ReLU -（Pooling）”（Pooling層有時會被省略），之前的“Affine
2020-03-03 07:12:09
原创 安裝tensorflow
pip install tensorflow -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com
2020-03-03 07:12:09
原创 《深度學習入門》讀書筆記1：感知機
感知機perceptron算法。感知機是由美國學者Frank Rosenblatt在1957年提出來的。爲何我們現在還要學習這一很久以前就有的算法呢？因爲感知機也是作爲神經網絡（深度學習）的起源的算法。因此，學習感知機的構造也就
2020-03-03 07:12:09
4
原创 《深度學習入門》讀書筆記3：神經網絡的學習
神經網絡的特徵就是可以從數據中學習。所謂“從數據中學習”，是指可以由數據自動決定權重參數的值。這是非常了不起的事情！因爲如果所有的參數都需要人工決定的話，工作量就太大了。 代價函數 參數選得好不好，那就要看代價函數，我們通過不斷嘗
2020-03-03 07:12:09
4
原创 《深度學習入門》讀書筆記4：誤差反向傳播法
數值微分計算了神經網絡的損失函數關於權重參數的梯度，數值微分雖然簡單，也容易實現，但缺點是計算上比較費時間 下面是一種高效計算權重參數的方法——誤差反向傳播法，原理是根據鏈式法則，倒着來，主要內容推各種激活函數，層的backwar
2020-03-03 07:12:09
原创 《深度學習入門》讀書筆記3.1：Python實現導數
導數 導數表示的是某個瞬間的變化量： df(x)dx=limh→0f(x+h)−f(x)h\frac{df(x)}{dx}=\lim_{h \to0} \frac{f(x+h)-f(x)}{h}dxdf(x)=h→0limh
2020-03-03 07:12:09
原创 Python：Numpy—reshape、transpose、flatten
reshape 不改變原數據情況下修改形狀且創造一個新的np數組 numpy.reshape(a, newshape, order=‘C’) a：要修改形狀的數組 newshape：整數或者整數數組，新的形狀應當兼容原有形狀
2020-03-02 02:52:54
原创 Python：Numpy—rand、randn
用法 參數 rand(d0, d1, …, dn) 產生均勻分佈的隨機數 dn爲第n維數據的維度 randn(d0, d1, …, dn) 產生標準正態分佈隨機數 dn爲第n維數據的維度 rand 返回一個或
2020-03-02 02:52:54
原创 Dropout解決過擬合代碼
學習自《深度學習入門》 過擬合指的是隻能擬合訓練數據，但不能很好地擬合不包含在訓練數據中的其他數據的狀態。 發生過擬合的原因，主要有以下兩個。 模型擁有大量參數、表現力強。 訓練數據少 權值衰減是一直以來經常被使用的一種抑制過
2020-03-02 02:52:54
1
原创 Python：Numpy—arange
從數值範圍創建數組 numpy.arange(start, stop, step, dtype) start ：起始值，默認爲0 stop ：終止值（不包含） step ： 步長，默認爲1 dtype ： 返回ndarr
2020-03-02 02:52:54
原创 SGD、Momentum、AdaGrad、Adam
注：《深度學習應用》 WWW 表示需要更新的參數 ∂L∂W\frac{\partial L}{\partial W}∂W∂L 表示損失函數關於W的梯度 η\etaη 表示學習率 SGD Momentum
2020-03-02 02:52:54
原创 矩陣解線性方程
學習自《linear algebra and its application》 二元線型方程 我們熟知的兩個未知數兩個方程組的解，等價於兩條直線的交點 可能交於一點（一個解），平行（無解），重合（兩條直線上每個點交點） 有交點
2020-02-25 15:30:13