摘要：
卷积神经网络入门CNN fly 多层卷积网络的基本理论卷积神经网络(Convolutional Neural Network,CNN) 是一种前馈神经网络, 它的人工神经元可以响应一部分覆盖范围内的周围单元，对于大型图像处理有出色表现。它包括卷积层(alternating convolutional layer)和池层(pooling layer)。多层卷积网络的基本可以参看下面这篇博文。Co... 阅读全文
摘要：
Linux ShellShellLinux入门变量输入、输出重定向tr命令特殊文件 入门 变量和java、C等一样，变量的命名，允许下划线和字母开头的中间可以加入数字的命名规则。而读取变量是需要加 $ 符号才能使用. myvar="hello world" echo $myvar 输入、输出重定向符号解释>输出重定向>>输出重定向（追加） echo "string" > fil... 阅读全文
摘要：
使用Keras编写GAN的入门GANTime: 2017-5-31前言代码reference 前言主要参考了网页[1]的教程，同时主要算法来自Ian J. Goodfellow 的论文，算法如下：gan 代码%matplotlib inlineimport numpy as npimport pandas as pdfrom keras.models import Modelfrom ker... 阅读全文
摘要：
Wasserstein距离 和 Lipschitz连续FlyTime: 2017-5-31前言Wasserstein DistanceLipschitzreference 前言由于最近要看Wasserstein GAN 和 LS-GAN，前者用到了 Earth-Mover距离（Wasserstein）,后者假定了Lipschitz连续。所以就打算把这两者的概念搞清楚一下。以此作为笔记。 Wa... 阅读全文
摘要：
keras与sklearn的结合使用新建模板FlyTime: 2017-4-14引言代码 引言众所周知，keras目前没有提供交叉验证的功能，我们要向使用交叉验证，就需要与sklearn结合。keras也提供了这样的包装接口。keras.wrappers.scikit_learn通过这个包里面的KerasClassifier或者KerasRegressor就可以结合。闲话少叙，上代码。 代码... 阅读全文
摘要：
keras与tensorboard结合使用新建模板FlyTime: 2017-4-6众所周知，tensorflow虽然功能非常强大，但是确实不好用，有点反人类的样子。所以才有了keras的出现。非常容易上手，便捷使用。但是要想查看keras的log日志又不是非常方便。这就有了与tensorboard结果来方便查看的想法。下面是记录了最通用的tensorboard结合的方式：from keras.... 阅读全文
摘要：
TensorFlow 便捷的实现机器学习 三 MNIST 卷积神经网络 Fly Overview Enabling Logging with TensorFlow Configuring a ValidationMonitor for Streaming Evaluation Evaluating 阅读全文
摘要：
logistic regression modelLR softmax classificationFlylogistic regression modelloss fuctionsoftmax基于python的logistic regression代码 logistic regression model逻辑回归模型一般指的是二项分类的逻辑回归模型，也是非常经典的模型，它主要的决策函数是,给定... 阅读全文
摘要：
特征工程机器学习特征选择FlyTime: 2017-3-6REF特征工程定义特征使用方案特征获取方案特征处理特征监控 REF主要参考：http://www.cnblogs.com/jasonfreak/p/5448385.html 特征工程定义“数据和特征决定了机器学习的上限，而模型而算法只是逼近这个上限”。所以特征工程的目的是从原始数据中提取特征的过程。特征工程归纳为以下几个方面：特征使用... 阅读全文
摘要：
生成模式以及判别模式生成模型判别模型FlyTime: 2017-3-1learning modelgenerative approachdiscriminative approachdifferencereference learning model监督学习的主要任务就是要学习一个模型，基于这个模型，给定输入预测可以得到相应的输入，一般这个模型叫做决策函数，表示为或者是表达为一个概率分布：根据... 阅读全文
摘要：
PCA降维技术PCA 降维 FlyTime: 2017-2-28主成分分析（PCA）PCA Algorithm实例 主成分分析（PCA）主成分分析（Principal Component Analysi）是一种掌握可以提取主要特征对的方法，它可以从多元失误中解析出主要影响因素。计算朱成福的目的是将高维数据投影到低维空间。主要是用于降维，提取数据的主要特征分量。降维，当然以为着信息的丢失，但是鉴... 阅读全文
摘要：
TensorFlow 入门之手写识别CNN 三MNIST 卷积神经网络 Fly多层卷积网络多层卷积网络的基本理论构建一个多层卷积网络权值初始化卷积和池化第一层卷积第二层卷积密集层连接Dropout输出层训练和评估模型 多层卷积网络 多层卷积网络的基本理论卷积神经网络(Convolutional Neural Network,CNN) 是一种前馈神经网络, 它的人工神经元可以响应一部分覆盖范围... 阅读全文
摘要：
机器学习学习笔记1周志华机器学习Flyu6Time: 2016-6-12基本概念的学习Learning Style(学习类型)supervised(监督学习)unsupervised(非监督学习)假设空间归纳 (induction)演绎 (deduction)归纳偏好没有免费午餐(NFL: No Free Lunch Theorem) 基本概念的学习 Learning Style(学习类型)... 阅读全文
摘要：
TensorFlow 入门之手写识别(MNIST) softmax算法 二MNIST Fly softmax回归softmax回归算法TensorFlow实现softmax softmax回归算法我们知道MNIST的每一张图片都表示一个数字，从0到9。我们希望得到给定图片代表每个数字的概率。比如说，我们的模型可能推测一张包含9的图片代表数字9的概率是80%但是判断它是8的概率是5%（因为8和... 阅读全文
摘要：
TensorFlow 入门之手写识别(MNIST) 数据处理 一MNIST Fly softmax回归准备数据解压 与 重构手写识别入门MNIST手写数据集图片以及标签的数据格式处理 准备数据MNIST是在机器学习领域中的一个经典问题。该问题解决的是把28x28像素的灰度手写数字图片识别为相应的数字，其中数字的范围从0到9.from IPython.display import Image ... 阅读全文