摘要： 阅读全文

摘要： 1、先安装docker 2、安装Historian，可使用如下docker镜像： sudo docker run -p 9000:9999 registry.cn-hangzhou.aliyuncs.com/xyz10/android-battery-historian:stable-3.0 注：要 阅读全文

摘要： 了解了深度学习的崛起，引起了目前OpenCL的需求，大致了解一下。 相关内容：http://blog.csdn.net/leonwei/article/details/8880012 本身OpenCL可以用C／C++编程，所以，我们底层人员又可以浪了。 运行结果： Computed '1024/10 阅读全文

摘要： 高斯分布，也叫正态分布，是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力。 若随机变量X服从一个数学期望为μ、方差为σ^2的正态分布，记为N(μ，σ^2)。其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的宽度。当μ = 0,σ = 1时的正 阅读全文

摘要： 大致总结一下学到的各个优化算法。 一、梯度下降法 函数的梯度表示了函数值增长速度最快的方向，那么与其相反的方向，就可看作函数减少速度最快的方向。 在深度学习中，当目标设定为求解目标函数的最小值时，只要朝梯度下降的方向前进，就可以不断逼近最优值。 梯度下降主要组成部分： 1、待优化函数f(x) 2、待 阅读全文

摘要： 接上一部分，此篇将用tensorflow建立神经网络，对波士顿房价数据进行简单建模预测。 二、使用tensorflow拟合boston房价datasets 1、数据处理依然利用sklearn来分训练集和测试集。 2、使用一层隐藏层的简单网络，试下来用当前这组超参数收敛较快，准确率也可以。 3、激活函 阅读全文

摘要： sklearn的波士顿房价数据是经典的回归数据集。在MOOC的课程《用Python玩转数据》最终的实践课程中就用它来进行简单的数据分析，以及模型拟合。 文章将主要分为2部分： 1、使用sklearn的linear_model进行多元线性回归拟合；同时使用非线性回归模型来拟合（暂时还没想好用哪个？xg 阅读全文

摘要： 原作者：WangBo_NLPR 原文：https://blog.csdn.net/walilk/article/details/50978864 原作者：Eric_LH 原文：https://blog.csdn.net/eric_lh/article/details/78994461 前言　机器学习 阅读全文

摘要： 在python中函数参数中如果带有默认参数list遇到问题 先看一段代码 1 2 3 4 5 6 7 8 9 def f(x,l=[]): for i in range(x): l.append(i*i) print(l) print(' 1 ') f(4) print(' 2 ') f(5) 1 阅读全文

摘要： adb shell下 运行./system/bin/r address 其中address对应各个flag参数的地址，具体如下： 无法打开/dev/mem节点(没有该节点)，这时只需在内核配置中选上CONFIG_DEVMEM，重新编译内核重烧即可。 阅读全文