猪的饲养员

摘要： 本文将从三个方面介绍LDA主题模型——整体概况、数学推导、动手实现。 关于LDA的文章网上已经有很多了，大多都是从经典的《LDA 数学八卦》中引出来的，原创性不太多。 本文将用尽量少的公式，跳过不需要的证明，将最核心需要学习的部分与大家分享，展示出直观的理解和基本的数学思想，避免数学八卦中过于详细的 阅读全文

摘要： 机器学习的任务是从属性X预测标记Y，即求概率P(Y|X)； 有监督学习 training data给了正确的答案即label，任务就是建立相应的模型，训练样本集外的数据进行分类预测。 生成式模型 生成模型学习一个联合概率分布P（x，y） 常见的判别方法有 k近邻法、感知机、决策树、逻辑回归、线性回归 阅读全文

摘要： 排序 尽量使用sorted不会改变原有数据 矩阵转置 使用zip和map组合 打开多文件 深拷贝 在Python中对象的赋值其实就是对象的引用。当创建一个对象，把它赋值给另一个变量的时候，python并没有拷贝这个对象，只是拷贝了这个对象的引用而已。 浅拷贝：拷贝了最外围的对象本身，内部的元素都只是 阅读全文

摘要： Ubuntu16.04+cuda9.0+matlab+opencv3.3+caffe服务器配置（附遇到的错误和解决方法） 1.具体安装前需要的依赖包： ubuntu dependency: sudo apt get install assume yes libopencv dev build ess 阅读全文

摘要： squeeze 压缩维度为1的numpy向量 argmax 获取最大值的下标 np.random.shuffle(index) reshape是从低维度到高维度。max,sum等函数都是注意axis，不选择就是全体计算。 swapaxes 转换轴，将两个选择的轴对调，在CNN中X乘W有的时候需要拉伸 阅读全文

摘要： CNN实现 概述 我在qwe中有两种，第一种是按照Ng课程中的写法，多层循环嵌套得到每次的“小方格”，然后WX+b，这样的做法是最简单，直观。但是效率极其慢。基本跑个10张以内图片都会卡的要死。 第二种方法是使用img2col，将其转换为对应的矩阵，然后直接做一次矩阵乘法运算。 先看第一种 对于m, 阅读全文

摘要： qwe "github地址" 简介 简单的深度框架，参考Ng的深度学习课程作业，使用了keras的API设计。 方便了解网络具体实现，避免深陷于成熟框架的细节和一些晦涩的优化代码。 网络层实现了Dense, Flatten, Convolution2D, Activation, Dropout等。 阅读全文

摘要： 初始化有三点个要求， 一个是不能有对称性，比如全为0.这样的反向传播对每一个单元学习到的结果都一样。没有区分度学习不到东西。 另一个要求是避免落入激活函数饱和区，导致梯度学习太慢。 第三点对于深度网络中的每一层，它们的输出方差应该尽量相同，满足学习到的目标分布和原始分布一致(那我们将其都转换到均值0 阅读全文

摘要： python 模块导入 原理 查找是按照 sys.path 中的路径挨个扫描。若都不存在则提示error。 sys.path路径第一个是当前运行脚本所在的目录，其后是PYTHONPATH(一般若步专门设置则为空)设置的目录，在后面是全局包所在目录。 PS：一个目录要有__init__.py才能作为包 阅读全文

摘要： 安装 pyenv 安装自己的项目依赖 pip freeze requirements.txt pip install r requirements.txt scipy/pandas/ipython/jupyter/opencv python/keras pip install U scikit le 阅读全文