摘要：
数据库的安装与配置 我的设备名称：MySQL5.5 我的密码：123456 1.如何启动数据库 方式一：通过计算机管理方式 右击计算机—管理—服务—启动或停止MySQL服务 方式二：通过命令行方式（这里命令行需要右击以管理员的身份运行） 启动：net start mysql服务名 停止：net st 阅读全文
posted @ 2021-07-25 20:34
zhang-X
阅读(313)
评论(0)
推荐(0)
摘要：
进阶2 条件查询 /* 语法： select 查询列表 from 表名 where 筛选条件 执行顺序： （1）from子句 （2）where子句 （3）select子句 select last_name,first_name from employees where salary>20000; 特 阅读全文
posted @ 2021-07-25 20:25
zhang-X
阅读(595)
评论(0)
推荐(0)
摘要：
1、#显示表darpartments的结构，并查询其中的全部数据 DESC `departments`; SELECT *FROM `departments`; 2、#显示表employees中的全部job_id(不能重复) SELECT DISTINCT job_id FROM `employee 阅读全文
posted @ 2021-07-25 20:22
zhang-X
阅读(72)
评论(0)
推荐(0)
摘要：
1.1 动量梯度下降法（Gradient descent with Momentum） 优化成本函数J，还有一种算法叫做 Momentum，或者叫做动量梯度下降法，运行速度几乎总是快于标准的梯度下降算法，简而言之，基本的想法就是计算梯度的指数加权平均数，并利用该梯度更新你的权重。 使用动量梯度下降法 阅读全文
posted @ 2021-07-25 20:14
zhang-X
阅读(1822)
评论(0)
推荐(0)
摘要：
指数加权平均，在统计中也叫做指数加权移动平均。 这里举一个温度的例子，首先使v0 = 0，需要使用 0.9 的加权数乘以前一天温度数值加上当日温度的0.1 倍，即v1 = 0.9v0 + 0.1θ1，所以这里是第一天的温度值。第二天，又可以获得一个加权平均数，0.9 乘以之前的值加上当日的温度 0. 阅读全文
posted @ 2021-07-25 20:08
zhang-X
阅读(865)
评论(0)
推荐(0)
摘要：
1 Mini-batch 梯度下降（Mini-batch gradient descent） 向量化能够让你相对较快地处理所有m个样本。如果m很大的话，处理速度仍然缓慢，如果m是 500 万或 5000 万或者更大的一个数，在对整个训练集执行梯度下降法时，你要做的是，你必须处理整个训练集，然后才能进 阅读全文
posted @ 2021-07-25 20:07
zhang-X
阅读(792)
评论(0)
推荐(0)
摘要：
1向量化 向量化是非常基础的去除代码中 for 循环的艺术，减少运行时间，在python中使用np.dot()进行向量化。 （1）代码举例 import time #为了计算不同方法的使用时间 a=np.random.rand(1000000) #用随机值创建了一个百万维度的数组 b=np.rand 阅读全文
posted @ 2021-07-25 15:55
zhang-X
阅读(395)
评论(0)
推荐(0)
摘要：
比如算法中的 learning rate α（学习率）、iterations(梯度下降法循环的数量)、L（隐藏层数目）、n[l]（隐藏层单元数目）、choice of activation function（激活函数的选择）都需要你自己来设置，这些数字实际上控制了最后的参数w和b的值，所以它们被称作 阅读全文
posted @ 2021-07-25 15:48
zhang-X
阅读(94)
评论(0)
推荐(0)
摘要：
1 深层神经网络 1.1 深层神经网络（Deep L-layer neural network） 严格上来说逻辑回归也是一个一层的神经网络，有一个隐藏层的神经网络，就是一个两层神经网络，当我们算神经网络的层数时，我们不算输入层，我们只算隐藏层和输出层。 上图是一个四层的神经网络，有三个隐藏层，我们可 阅读全文
posted @ 2021-07-25 15:47
zhang-X
阅读(582)
评论(0)
推荐(0)
摘要：
随机初始化（Random+Initialization） 当你训练神经网络时，权重随机初始化是很重要的，如果你把权重或者参数都初始化为 0，那么梯度下降将不会起作用，是如果你这样初始化这个神经网络，那么这两个隐含单元就会完全一样，因此他们完全对称，也就意味着计算同样的函数，并且肯定的是最终经过每次训 阅读全文
posted @ 2021-07-25 15:41
zhang-X
阅读(203)
评论(0)
推荐(0)
浙公网安备 33010602011771号