黄树超

摘要： 背景 在机器学习中经常会碰到“损失函数”,“成本函数”, 和“目标函数”。在学习中理解概念是至关重要的。 "todo" 解析 1、“损失函数”一般是指对 单个样本 的做的损失 $$ |y_i f(x_i)| $$ 2、“成本函数”一般是 数据集上 总的成本和损失 $$ 1/N\cdot\sum_{i 阅读全文

摘要： 前言 在 "上一讲" 中，我们通过分析选用了softmax模型，并用tf创建之。本讲的内容就是为了训练这个模型以便于测试。 训练模型 为了训练我们的模型，我们首先需要定义一个指标来评估这个模型是好的。其实，在机器学习，我们通常定义指标来表示一个模型是坏的，这个指标称为成本（cost）或损失（loss 阅读全文

摘要： 背景 由于业务需要，需要hi3531d主板上加入对于HP打印机的支持。 通过与产品经理，技术主管的沟通；通用支持是不现实的，只要求彩色打印，先不考虑打印机的价格，只要支持一款打印机即可。 注意： Linux下支持打印机有很多局限性，并非每一种打印机型号都被支持。惠普打印机的支持是最好的。 过程： 根 阅读全文

摘要： 背景 Anaconda切换各种环境非常方便，现在我们就来介绍一下如何使用anaconda安装tensorflow环境。 anaconda v3.5 from "清华镜像站" tensorflow v2.0 步骤 创建新的环境 1. 启动 ，点击 ，点击Create； 2. 输入自定义环境的名字（例如 阅读全文

摘要： Softmax回归介绍 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9都有上半部分的小圆），然后给予它代表其他数字的概率更小的值。 这是一个使用s 阅读全文

摘要： 背景 接触tensorflow时，学习到mnist，发现处理数据的时候采取one hot编码，想起以前搞FPGA状态机遇到过格雷码与独热码。 解析： 将离散型特征使用one hot编码，确实会让特征之间的距离计算更加合理。 比如，有一个离散型特征，代表工作类型，该离散型特征，共有三个取值。 不使用o 阅读全文

摘要： 说明： 本篇文章适用于MNIST教程下载数据集。 python Copyright 2015 Google Inc. All Rights Reserved. Licensed under the Apache License, Version 2.0 (the "License"); you ma 阅读全文

摘要： 前言 当我们开始学习编程的时候，第一件事往往是学习打印“HelloWorld”。就好比编 程入门有 HelloWorld，机器学习入门有 MNIST。 MNIST 是一个入门级的计算机视觉数据集，它包含各种手写数字图片，以及每一张图片对应的标签（标签用于告诉我们这个是数字几）。MNIST是在机器学习 阅读全文

摘要： From：https://www.cnblogs.com/guoyaohua/p/9059605.html TensorFlow 将图形定义转换成分布式执行的操作, 以充分利用可用的计算资源(如 CPU 或 GPU）。 一般你不需要显式指定使用 CPU 还是 GPU, TensorFlow 能自动检 阅读全文

摘要： 参考链接： "os cn pythonwith" 背景 在tf的教程中看到有关的代码： 会话在完成后必须关闭以释放资源。你也可以使用"with"句块开始一个会话，该会 话将在"with"句块结束时自动关闭 概览： python中的with语句用于访问资源。它确保执行指定的__exit__(“清理”) 阅读全文