摘要: Sample:样本,数据集中的一条数据。例如图片数据集中的一张图片,语音数据中的一段音频。 Batch:中文为批,一个batch由若干条数据构成。batch是进行网络优化的基本单位,网络参数的每一轮优化需要使用一个batch。batch中的样本是被并行处理的。与单个样本相比,一个batch的数据能更 阅读全文
posted @ 2018-02-05 09:15 tbaofang 阅读(6185) 评论(0) 推荐(1) 编辑
摘要: Kmeans算法 交叉熵(Cross-Entropy) 随机梯度下降(Stochastic gradient descent)和 批量梯度下降(Batch gradient descent )的公式比较 "sample","batch"和"epoch"都是啥意思?? 阅读全文
posted @ 2018-02-05 09:11 tbaofang 阅读(130) 评论(0) 推荐(0) 编辑
摘要: 梯度下降(GD)是最小化风险函数、损失函数的一种常用方法,随机梯度下降和批量梯度下降是两种迭代求解思路。 下面的h(x)是要拟合的函数,J(theta)损失函数,theta是参数,要迭代求解的值,theta求解出来了那最终要拟合的函数h(theta)就出来了。其中m是训练集的记录条数,j是参数的个数 阅读全文
posted @ 2018-02-01 15:42 tbaofang 阅读(184) 评论(0) 推荐(0) 编辑
摘要: 交叉熵(Cross-Entropy) 交叉熵是一个在ML领域经常会被提到的名词。在这篇文章里将对这个概念进行详细的分析。 1.什么是信息量? 假设X是一个离散型随机变量,其取值集合为,概率分布函数为p(x)=Pr(X=x),x∈,我们定义事件X=x0的信息量为: I(x0)=−log(p(x0) 阅读全文
posted @ 2018-02-01 15:14 tbaofang 阅读(372) 评论(0) 推荐(0) 编辑
摘要: 效果如图: 阅读全文
posted @ 2018-01-31 14:34 tbaofang 阅读(146) 评论(0) 推荐(0) 编辑
摘要: 1、blur—均值平滑滤波 函数原型:blur(src, ksize, dst=None, anchor=None, borderType=None) src:图像矩阵 ksize:滤波窗口尺寸 2、GaussianBlur—高斯平滑滤波 函数原型:GaussianBlur(src, ksize, 阅读全文
posted @ 2018-01-31 12:31 tbaofang 阅读(594) 评论(0) 推荐(0) 编辑
摘要: 1、 cv2.imread():读入图片,共两个参数,第一个参数为要读入的图片文件名,第二个参数为如何读取图片,包括cv2.IMREAD_COLOR:读入一副彩色图片;cv2.IMREAD_GRAYSCALE:以灰度模式读入图片;cv2.IMREAD_UNCHANGED:读入一幅图片,并包括其alp 阅读全文
posted @ 2018-01-31 10:33 tbaofang 阅读(1050) 评论(0) 推荐(0) 编辑
摘要: 一、Kmeans算法流程: 1.选取K个类中心(首次随机选取) 2.计算每个点到K个类中心的距离 3.把数据点分配给距离最近的一个类中心 4.计算新的类中心(对该类中的所有点取均值) 5.重复234,直至满足终止条件后终止迭代 不再有重新分配 最大迭代数 所有类中心移动小于某一阈值 二、Kmean算 阅读全文
posted @ 2018-01-30 20:29 tbaofang 阅读(994) 评论(0) 推荐(0) 编辑
摘要: 举个例子如下: 可以这样认为,lambda作为一个表达式,定义了一个匿名函数,上例的代码x为入口参数,x+1为函数体。在这里lambda简化了函数定义的书写形式。是代码更为简洁,但是使用函数的定义方式更为直观,易理解。 Python中,也有几个定义好的全局函数方便使用的,filter, map, r 阅读全文
posted @ 2018-01-30 16:53 tbaofang 阅读(5111) 评论(0) 推荐(0) 编辑
摘要: pandas 是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具。pandas提供了大量能使我们快速便捷地处理数据的函数和方法。 >>> from pandas import Series, Dat 阅读全文
posted @ 2018-01-30 16:42 tbaofang 阅读(2655) 评论(0) 推荐(1) 编辑