摘要：
摘抄：https://xienaoban.github.io/posts/2106.html 1. 调试(Tuning) 超参数 取值 #学习速率：\(\alpha\) Momentum：\(\beta\) 0.9:相当于10个值中计算平均值；0.999相当于1000个值中计算平均值 Adam：\( 阅读全文
posted @ 2020-06-12 00:07
douzujun
阅读(833)
评论(0)
推荐(0)
摘要：
···python plt.title("Model with Adam optimization") axes = plt.gca() axes.set_xlim([-1.5,2.5]) axes.set_ylim([-1,1.5]) plot_decision_boundary(lambda x 阅读全文
posted @ 2020-06-11 21:17
douzujun
阅读(1402)
评论(0)
推荐(0)
摘要：
1. Optimization Methods Gradient descent goes "downhill" on a cost function \(J\). Think of it as trying to do this: **Figure 1** : **Minimizing the c 阅读全文
posted @ 2020-06-11 12:01
douzujun
阅读(754)
评论(0)
推荐(0)
摘要：
笔记：Andrew Ng's Deeping Learning视频 摘抄：https://xienaoban.github.io/posts/58457.html 本章介绍了优化算法，让神经网络运行的更快 1. 梯度优化算法 1.1 Mini-batch 梯度下降 将 \(X = [x^{(1)}, 阅读全文
posted @ 2020-06-10 14:26
douzujun
阅读(956)
评论(0)
推荐(0)
摘要：
1. Gradient Checking 你被要求搭建一个Deep Learning model来检测欺诈，每当有人付款，你想知道是否该支付可能是欺诈，例如该用户的账户可能已经被黑客掉。 但是，反向传播实现起来非常有挑战，并且有时有一些bug，因为这是一个mission-critical应用，你公司 阅读全文
posted @ 2020-06-10 12:22
douzujun
阅读(771)
评论(0)
推荐(0)
摘要：
参考：https://www.cnblogs.com/devilmaycry812839668/p/9352814.html import numpy as np x=np.array([[0, 3, 4], [2, 6, 4]]) y=np.linalg.norm(x, axis=1, keepd 阅读全文
posted @ 2020-06-10 10:21
douzujun
阅读(1060)
评论(0)
推荐(0)
摘要：
查看属性 .ndim ：维度 .shape ：各维度的尺度 （2，5） .size ：元素的个数 10 .dtype ：元素的类型 dtype(‘int32’) ndarray数组的创建 np.arange(n) ; 元素从0到n-1的ndarray类型 np.ones(shape): 生成全1 n 阅读全文
posted @ 2020-06-09 22:47
douzujun
阅读(606)
评论(0)
推荐(0)
摘要：
Regularization Deep Learning models have so much flexibility and capacity that overfitting can be a serious problem，if the training dataset is not big 阅读全文
posted @ 2020-06-09 17:55
douzujun
阅读(960)
评论(0)
推荐(0)
摘要：
最后一行改成这个： plot_decision_boundary(lambda x: predict_dec(parameters, x.T), train_X, np.squeeze(train_Y)) 或者 plt.scatter(X[0, :], X[1, :], c=np.squeeze(y 阅读全文
posted @ 2020-06-09 15:45
douzujun
阅读(280)
评论(0)
推荐(0)
摘要：
Initialization 如何选择初始化方式，不同的初始化会导致不同的结果 好的初始化方式： 加速梯度下降的收敛(Speed up the convergence of gradient descent) 增加梯度下降 收敛成 一个低错误训练(和 普遍化)的几率(Increase the odd 阅读全文
posted @ 2020-06-09 14:36
douzujun
阅读(987)
评论(0)
推荐(0)
摘要：
笔记：Andrew Ng's Deeping Learning视频 参考：https://xienaoban.github.io/posts/41302.html 参考：https://blog.csdn.net/u012328159/article/details/80210363 1. 训练集、 阅读全文
posted @ 2020-06-08 13:59
douzujun
阅读(1166)
评论(0)
推荐(0)
摘要：
找到改文件夹，重命名文件夹zh_CN，改成 zh_CN_old 阅读全文
posted @ 2020-06-08 12:44
douzujun
阅读(833)
评论(0)
推荐(1)
摘要：
新版的jupyter可能会自动汉化 如果你当前文件夹，不是按照写代码时候，标识符的命名规范，就会导致保存失败 可以把文件夹名字改成纯英语的，无特殊符号 自动保存可以成功 搞错了，妈的，文件路径太长，导致不能创建 .ipynb_checkpoints里的保存文件。。。神经病啊！！把文件路径搞短就可以了 阅读全文
posted @ 2020-06-08 12:33
douzujun
阅读(3988)
评论(0)
推荐(1)
摘要：
%load_ext autoreload：在执行用户代码前，重新装入 软件的扩展和模块。 autoreload 意思是自动重新装入。 它后面可带参数。参数意思你要查你自己的版本帮助文件。一般说： 无参：装入所有模块。 0：不执行 装入命令。 1： 只装入所有 %aimport 要装模块 2：装入所有 阅读全文
posted @ 2020-06-08 09:04
douzujun
阅读(3633)
评论(0)
推荐(1)
摘要：
公式推导 https://www.cnblogs.com/douzujun/p/13046923.html https://xienaoban.github.io/posts/12524.html 代码拆分实现 https://www.cnblogs.com/douzujun/p/10325980. 阅读全文
posted @ 2020-06-07 19:48
douzujun
阅读(237)
评论(0)
推荐(0)
摘要：
创建虚拟环境, 创建 python=3.5的 (如果想安装tf2.1，这里就改成 3.7) https://www.cnblogs.com/douzujun/p/13059186.html 在虚拟环境里安装TensorFlow，单纯的完成ng作业，无cpu版本，使用conda，清华镜像 https: 阅读全文
posted @ 2020-06-07 11:13
douzujun
阅读(715)
评论(0)
推荐(0)
摘要：
cmd中输入命令建立虚拟环境： conda create --name my_env python=3.7 激活环境： # windows进入虚拟环境my_env activate my_env # Linux 进入虚拟环境 source activate my_env 退出当前虚拟环境 deact 阅读全文
posted @ 2020-06-07 09:30
douzujun
阅读(1344)
评论(0)
推荐(0)
摘要：
https://blog.csdn.net/yuanzhoulvpi/article/details/86742729 https://blog.csdn.net/qq_34342852/article/details/97673819 离线安装 用conda安装会比较方便，下面直接用conda安装 阅读全文
posted @ 2020-06-06 18:18
douzujun
阅读(610)
评论(0)
推荐(0)
摘要：
https://blog.csdn.net/u012328159/article/details/80081962 https://mp.weixin.qq.com/s?__biz=MzUxMDg4ODg0OQ==&mid=2247484013&idx=1&sn=2f1ec616d9521b801e 阅读全文
posted @ 2020-06-04 22:28
douzujun
阅读(1870)
评论(0)
推荐(0)
摘要：
Deep Learning 用逻辑回归训练图片的典型步骤. 笔记摘自：https://xienaoban.github.io/posts/59595.html 1. 处理数据 1.1 向量化(Vectorization) 将每张图片的高和宽和RGB展为向量，最终X的shape为 (height*wi 阅读全文
posted @ 2020-06-03 11:48
douzujun
阅读(1691)
评论(0)
推荐(0)
摘要：
精准率：预测有100个人有癌症，在这些预测中，有多少是准确的。 \(precision = \frac{TP}{TP + FP}\) 需要的是精确度 召回率：实际上100人有癌症，我们的预测算法能从中正确的挑出多少。 \(recall = \frac{TP}{P} = \frac{TP}{TP + 阅读全文
posted @ 2020-06-02 23:03
douzujun
阅读(327)
评论(0)
推荐(0)
摘要：
本篇博客总结了，可能会重复使用的代码的索引，方便查找 分类性能度量 P-R曲线绘制 #利用鸢尾花数据集绘制P-R曲线 print(__doc__) #打印注释 import matplotlib.pyplot as plt import numpy as np from sklearn import 阅读全文
posted @ 2020-06-02 17:48
douzujun
阅读(323)
评论(0)
推荐(0)
摘要：
https://files.cnblogs.com/files/douzujun/stopwords.zip 直接手动下载 stopwords.zip 放到 然后，再执行之前的操作，就可以了 阅读全文
posted @ 2020-06-02 17:04
douzujun
阅读(5630)
评论(0)
推荐(1)
摘要：
第一讲 深度学习概述 1.1 深度学习的引出 特点： 通过 组合低层特征，形成了更加抽象的 高层特征。 表达式中的 u，w参数需要在训练中通过 反向传播多次迭代调整，使得整体的 分类误差最小。 深度学习网络往往 包含多个中间层（隐藏层），且网络结构要更复杂一些。 1.2 数据集及其拆分 Iris（鸢 阅读全文
posted @ 2020-05-31 20:21
douzujun
阅读(2176)
评论(0)
推荐(0)
摘要：
1. 导学 如何使用算法 如何评价算法的好坏 如何解决过拟合和欠拟合 如何调节算法的参数 如何验证算法的正确性 1.1 要求 1.2 如何使用算法 如何评价算法的好坏 如何解决过拟合和欠拟合 如何调节算法的参数 如何验证算法的正确性 2. 机器学习的数据 2.1 样本 2.2 特征 2.3 特征空间 阅读全文
posted @ 2020-05-31 01:24
douzujun
阅读(998)
评论(0)
推荐(0)
摘要：
1. 文章添加目录 设置-> 页脚HTML代码 中添加 <script language="javascript" type="text/javascript"> // 生成目录索引列表 // ref: http://www.cnblogs.com/wangqiguo/p/4355032.html 阅读全文
posted @ 2020-05-30 13:13
douzujun
阅读(1419)
评论(6)
推荐(3)
摘要：
graph LR start[开始] --> input[输入A,B,C] input --> conditionA{A是否大于B} conditionA -- YES --> conditionsC{A是否大于C} conditionA -- NO --> conditionB{B是否大于C} g 阅读全文
posted @ 2020-05-29 22:04
douzujun
阅读(540)
评论(0)
推荐(0)
摘要：
把GitHub之前的静态博客换成动态的了 https://douzujun.github.io/ 参考： https://xienaoban.github.io/posts/52843.html?tdsourcetag=s_pctim_aiomsg https://www.jianshu.com/p 阅读全文
posted @ 2020-05-29 19:38
douzujun
阅读(160)
评论(0)
推荐(0)
摘要：
可以我的GitHub上直接下载：https://github.com/douzujun/Python-Foundation-Suda ##上机常用代码 ###(1) 输入代码 ###(2) 矩阵乘法 (np.dot(A, B)) def matrixMul(A, B): if len(A[0]) = 阅读全文
posted @ 2020-05-26 14:05
douzujun
阅读(1570)
评论(2)
推荐(0)
摘要：
##苏州大学计算机复试【字符串/数组类习题】 PAT ###1028 人口普查 (20分) 某城镇进行人口普查，得到了全体居民的生日。现请你写个程序，找出镇上最年长和最年轻的人。 这里确保每个输入的日期都是合法的，但不一定是合理的——假设已知镇上没有超过 200 岁的老人，而今天是 2014 年 9 阅读全文
posted @ 2020-05-25 16:12
douzujun
阅读(640)
评论(0)
推荐(0)
浙公网安备 33010602011771号