随笔分类 - 机器学习
摘要：import numpy as np import operator import matplotlib.pyplot as plt from sklearn import datasets, decomposition, manifold from itertools import cycle f
阅读全文
摘要：1.背景介绍 在序列学习任务中，RNN模型对训练样本一般有这样的依赖条件：输入序列和输出序列之间的映射关系已经事先标注好了。比如，在词性标注任务中，训练样本中每个词（或短语）对应的词性会事先标注好，如下图（DT、NN等都是词性的标注，具体含义请参考链接）。由于输入序列和输出序列是一一对应的，所以RN
阅读全文
摘要：Fashion-MNIST.py from mxnet.gluon import data as gdata import sys import time from d2lzh import * mnist_train = gdata.vision.FashionMNIST(train=True)
阅读全文
摘要：softmax回归 前面介绍的线性回归模型适用于输出为连续值的情景。在另一类情景中，模型输出可以是一个像图像类别这样的离散值。对于这样的离散值预测问题，我们可以使用诸如softmax回归在内的分类模型。和线性回归不同，softmax回归的输出单元从一个变成了多个，且引入了softmax运算使输出更适
阅读全文
摘要：随着深度学习框架的发展，开发深度学习应用变得越来越便利。实践中，我们通常可以用比上一节更简洁的代码来实现同样的模型。在本节中，我们将介绍如何使用MXNet提供的Gluon接口更方便地实现线性回归的训练。 1.生成数据集 我们生成与上一节中相同的数据集。其中features是训练数据特征，labels
阅读全文
摘要：http://zh.d2l.ai/chapter_deep-learning-basics/linear-regression.html d2lzh.py from IPython import display from matplotlib import pyplot as plt from mx
阅读全文
摘要：from mxnet import nd 创建向量 #创建行向量 x=nd.arange(12) print(x) #输出x的size print(x.shape) #把向量x的形状改成(3,4) X = x.reshape(3,4) print(X) Y = x.reshape(3,-1) pri
阅读全文
摘要：Energy-Based Models(EBM) 基于能量的概率模型将一个标量能量与相关变量的每个配置相关联。学习相当于修改能量函数，能量达到最佳性质 。例如，我们希望合理的或理想的结构具有低能量。基于能量的概率模型通过能量函数定义概率分布，如下: Z是正则化系数,也叫做配分函数: 基于能量的模型可
阅读全文
摘要：# -*- coding: utf-8 -*- """ Created on Fri Jul 13 09:17:41 2018 @author: wzy """ from matplotlib.font_manager import FontProperties import matplotlib.
阅读全文
摘要：import numpy as np import matplotlib.pyplot as plt from sklearn import datasets from sklearn import tree # 生成所有测试样本点 def make_meshgrid(x, y, h=.02): x_min, x_max = x.min() - 1, x.max() + 1 y_min, y_ma
阅读全文
摘要：cuda cudnn安装:https://blog.csdn.net/u011473714/article/details/95042856#comments Anaconda安装及添加清华Pytorch镜像:https://blog.csdn.net/qq_33039859/article/det
阅读全文
摘要：参考： http://www.linuxandubuntu.com/home/how-to-install-latest-nvidia-drivers-in-linux https://medium.com/@zhanwenchen/install-cuda-and-cudnn-for-tensor
阅读全文
摘要：import pandas as pd x = [53, 61, 49, 66, 78, 47] s = pd.Series(x) print(s.skew()) print(s.kurt())
阅读全文
摘要：作者：风翼冰舟链接：https://www.zhihu.com/question/299068775/answer/525874350来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。 我感觉CV还好，毕竟是大趋势，要是研究CG试试，简直是坑得吐血，本人研究方向运动捕捉，
阅读全文
摘要：基本操作 矩阵乘法 矩阵乘，与Numpy dnarray类似，可以使用np.dot()和np.matmul()，除此之外，由于matrix中重载了“*”，因此“*”也能用于矩阵乘。 点乘，只剩下multiply方法了。 矩阵转置 转置有两种方法： 值得一提的是，matrix中求逆还有一种简便方法（n
阅读全文
摘要：1 import numpy as np 2 import matplotlib.pyplot as plt 3 4 x_data = [338,333,328,207,226,25,179,60,208,606] 5 y_data = [640,633,619,393,428,27,193,66,226,1591] 6 7 8 #生成从-200到-100的数,不包括-1...
阅读全文
摘要：这篇博客要讨论一个问题,就是如何让计算机下棋? 有如下三种形式: 1.同人类的做法一样,分析局势,和将帅的安全性,这里会有一些分析策略,还有一些战术,这些混合在一起,最终得到下一步要走哪.不过很遗憾的是,如今的程序都不知道如何包含这类东西. 2.使用 IF-THEN 结构 以这种结构,如果第一步走什
阅读全文
摘要：在接下来这篇博客中,我们将介绍如何获得从S到G的最短路径. 1.搜索树 我们可以以树的形式画出所有可能的路径: 但是这种方法需要遍历所有的路径,效率非常低. 深度优先搜索 在S,面临的选择是A或B,按照惯例,我们总是往左走,也就是从S去A,然后到达,B,C,E,到达了死胡同之后,我们需要进行回溯,到
阅读全文
浙公网安备 33010602011771号