摘要:此篇主要是以卷积神经网络为基础,深度学习神经网络的主要知识点串讲。突出重点、快速的让你具备使用Tensorflow2.0框架的必备理论知识。 后续会持续更新YOLO, SSD, FASTER -CRNN等目标算法和ResNet, Inception,VGG,等网络知识。 阅读全文
posted @ 2019-12-14 16:17 hp_lake 阅读 (146) 评论 (0) 编辑
摘要:01 深拷贝与浅拷贝 1. 定义解释 简单理解, 深拷贝和浅拷贝就是拷贝内容的层次深度不同。深拷贝全部都是新的(递归),浅拷贝只有第一层是新的。 指向 a = [11, 22] 指在内存中开辟一个空间,存储[11, 22]这个列表,a 指向这个空间的内存地址。 b = a , 表示b 也指向这个内存 阅读全文
posted @ 2020-01-21 00:25 hp_lake 阅读 (9) 评论 (0) 编辑
摘要:深度学习必备库 Numpy Numpy是Numerical Python的简称,是Python中高性能科学计算和数据分析的基础包。Numpy提供了一个多维数组类型ndarray,它具有矢量算术运算和复杂广播的能力,可以实现快速的计算并且能节省存储空间。 在本文中将会介绍: [TOC] 1. 基础数据 阅读全文
posted @ 2019-12-29 13:00 hp_lake 阅读 (96) 评论 (0) 编辑
摘要:此篇主要是以卷积神经网络为基础,深度学习神经网络的主要知识点串讲。突出重点、快速的让你具备使用Tensorflow2.0框架的必备理论知识。 后续会持续更新YOLO, SSD, FASTER -CRNN等目标算法和ResNet, Inception,VGG,等网络知识。 阅读全文
posted @ 2019-12-14 16:17 hp_lake 阅读 (146) 评论 (0) 编辑
摘要:01 TensorFlow基础 Tensorflow是什么 Google的开源软件库 采取数据流图,用于数值计算 支持多种平台 GPU、CPU、 移动设备 最初用于深度学习,变得越来越通用 Tensorflow数据结构 数据流图 1. 线:节点之间的输入输出关系,线上运输张量. tensor:张量 阅读全文
posted @ 2019-12-08 23:06 hp_lake 阅读 (226) 评论 (0) 编辑
摘要:11 K Means 原理及案例 非监督学习 1. unsupervised learning (非监督学习) ,只有特征值,没有目标值 2. 聚类: 主要方法 k means (K 需要分成的类别数) K Means步骤 1. 随机设置K个特征空间内的点作为初始的聚类中心 (红,绿,蓝) k=3 阅读全文
posted @ 2019-12-03 23:54 hp_lake 阅读 (22) 评论 (0) 编辑
摘要:10 逻辑回归 分类算法 逻辑回归 应用场景 (二分类) 广告点击率 (典型的二分类问题,点了或者没点,也能得出) 是否为垃圾邮件 是否患病 金融诈骗 虚假账号 逻辑回归定义 1. 逻辑回归: 是一种分类算法,使用线性回归的式子作为输入,通过sigmoid函数转换为概率问题。 2. sigmoid函 阅读全文
posted @ 2019-12-03 21:15 hp_lake 阅读 (44) 评论 (0) 编辑
摘要:09 线性回归及矩阵运算 线性回归 1. 定义:通过一个或者多个自变量与因变量之间进行建模的回归分析。其中可以为一个或者多个自变量之间的线性组合。 2. 一元线性回归:涉及到的变量只有一个 多元线性回归:变量两个或以上 3. 通用公式:h(w) = w0 + w1x1 + w2x2 + ....= 阅读全文
posted @ 2019-12-01 11:15 hp_lake 阅读 (99) 评论 (0) 编辑
摘要:08 决策树与随机森林 决策树之信息论基础 认识决策树 1. 来源: 决策树的思想来源非常朴素,程序设计中的条件分支结构就是if then 结构,最早的决策树就是利用这类结构分割数据的一种分类学习方法。 2. 举例:是否见相亲对象 信息的度量和作用 1. 克劳德 .艾尔伍德 .香农:信息论创始人,密 阅读全文
posted @ 2019-11-25 22:47 hp_lake 阅读 (199) 评论 (0) 编辑
摘要:07 朴素叶贝斯算法 概率基础 1. 概率: 一件事情发生的可能性 2. 联合概率: 包含多个条件,且所有条件同时成立的概率。P(A,B) P(A, B) = P(A)P(B) 3. 条件概率:事件A在另外一个事件B已经发生条件下发生的概率。 P(A|B) P(A1,A2 | B) = P(A1 | 阅读全文
posted @ 2019-11-21 23:20 hp_lake 阅读 (199) 评论 (0) 编辑
摘要:k 近邻算法 算法介绍 1. 定义: 如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一类别,则该样本也属于这个类别。 2. 计算距离公式:欧式距离 (两点之间距离) 3. 需要做标准化处理,防止某一类特征值权重过大 4. Sklearn API sklearn.ne 阅读全文
posted @ 2019-11-13 00:05 hp_lake 阅读 (35) 评论 (0) 编辑