摘要：
使用vmware15和centos7在windows电脑上安装虚拟操作系统 一、虚拟机导入 在电脑上安装vmware15并且下载好centos7镜像（windows系统需要将bios中的虚拟服务打开） 打开vmware15，选择新建虚拟机 选择下一步 选定系统镜像 给定虚拟器名称，输入linux系统 阅读全文
posted @ 2020-03-11 16:42
handsomeXXP
阅读(98)
评论(0)
推荐(0)
摘要：
在进行网络爬虫时，会经常有封ip的现象。可以使用代理池来进行代理ip的处理。 代理池的要求：多站抓取，异步检测。定时筛选，持续更新。提供接口，易于提取。 代理池架构：获取器，过滤器，代理队列，定时检测。 使用https://github.com/Germey/ProxyPool/tree/maste 阅读全文
posted @ 2018-08-17 20:30
handsomeXXP
阅读(1481)
评论(0)
推荐(0)
摘要：
和神经网络不同的是，RNN中的数据批次之间是有相互联系的。输入的数据需要是要求序列化的。 1.将数据处理成序列化； 2.将一号数据传入到隐藏层进行处理，在传入到RNN中进行处理，RNN产生两个结果，一个结果产生分类结果，另外一个结果传入到二号数据的RNN中； 3.所有数据都处理完。 导入数据 将28 阅读全文
posted @ 2018-08-15 19:29
handsomeXXP
阅读(451)
评论(0)
推荐(0)
摘要：
卷积神经网络比神经网络稍微复杂一些，因为其多了一个卷积层(convolutional layer)和池化层(pooling layer)。 使用mnist数据集，n个数据，每个数据的像素为28*28*1=784。先让这些数据通过第一个卷积层，在这个卷积上指定一个3*3*1的feature，这个fea 阅读全文
posted @ 2018-08-15 11:40
handsomeXXP
阅读(297)
评论(0)
推荐(0)
摘要：
使用mnist数据集进行神经网络的构建 这个神经网络共有三层。输入层有n个1*784的矩阵，第一层有256个神经元，第二层有128个神经元，输出层是一个十分类的结果。对w1、b1、w2、b2以及输出层的参数进行随机初始化 开始进行前向传播 用前向传播函数算出预测值；算出损失值（此处使用交叉熵）；构造 阅读全文
posted @ 2018-08-14 19:51
handsomeXXP
阅读(166)
评论(0)
推荐(0)
摘要：
在逻辑回归中使用mnist数据集。导入相应的包以及数据集。 使用tensorflow中函数进行逻辑回归的构建。调用softmax函数进行逻辑回归模型的构建；构造损失函数【y*tf.log(actv)】；构造梯度下降训练器； 循环五十次，每五次打印一次结果，每次训练取100个样本 阅读全文
posted @ 2018-08-14 17:46
handsomeXXP
阅读(370)
评论(0)
推荐(0)
摘要：
首先通过构造随机数，模拟数据。 接着初始化w，b这两个变量，w一般是-1与1之间的随机数，b一般是0。算出预测值。构造出损失函数；构造梯度下降器；进行训练，使得损失函数最小；使用对话进行重复训练。 plt.scatter(x_data,y_data,c='r') plt.plot(x_data,se 阅读全文
posted @ 2018-08-14 16:40
handsomeXXP
阅读(173)
评论(0)
推荐(0)
摘要：
tensorflow中的一些操作和numpy中的很像，下面列出几个比较常见的操作 sess = tf.Session() print(sess.run(norm)) print(sess.run(shuff)) 阅读全文
posted @ 2018-08-14 16:08
handsomeXXP
阅读(127)
评论(0)
推荐(0)
摘要：
tensorflow里面的变量表示，需要使用特定的语法进行。如果想构造一个行（列）向量，需要调用Variable函数进行。对两个变量进行操作，也要调用相应的函数。 以上是构造一个行向量，一个列向量，并让两者相乘。y的结果： 但是此时w，x，y只是一个tensorflow的一个变量，不是一个具体的值。 阅读全文
posted @ 2018-08-14 11:59
handsomeXXP
阅读(159)
评论(0)
推荐(0)
摘要：
2016年11月30日，tensorflow(https://www.tensorflow.org/)更新了0.12版本，这标志着我们终于可以在windows下使用tensorflow了（但是还是推荐在linux上使用tensorflow。。。）！ 目前tensorflow不仅支持Python3.5 阅读全文
posted @ 2018-08-14 11:45
handsomeXXP
阅读(257)
评论(0)
推荐(0)
浙公网安备 33010602011771号