1 幻风_huanfeng

尚未进行身份认证

我要认证

没有梦想和神经网络有什么区别?

等级
TA的排名 29w+

ubuntu的自动升级,导致了NVIDIA失效的问题,不用删除,设置一下就好了

为了跑模型,需要安装NVIDIA的驱动,不然不能使用CUDA,突然有一天发现图标变大了,我以为是不小心按了分辨率什么的,导致出现了这个问题,弄了半天也没有找到哪里可以设置分辨率。后来查了一下,发现原因是由于系统内核的自动更新导致了这个问题。大家大概的方法有:卸载驱动、重新安装驱动删除系统内核的最新版本以上方法我都没有用,我删除这种事情让电脑崩溃,我可能是瞎猫碰上死耗子了,我改了一个东西就好了,分享给大家大家可以找到这块设置的地方,首先将自动更新改为从不,再也不要出现这样的问题了。改完之后,点击附

2020-09-16 09:19:41

基于机器学习聚类算法寻找美国职业篮球联赛NBA中的超级强队

聚类算法聚类算法是机器学习中经典的非监督学习算法之一,相比于分类算法,聚类不依赖预定义的样本标签,而是让算法通过对数据的学习从而找到其内部的规律,该算法对有相同特征的样本进行聚类,聚类的时候,我们并不关心某一类是什么,有一句话叫做“物以类聚,人以群分”。聚类,通俗地说,就是指将相似元素的聚集到一起作为一个类别。k均值算法在机器学习中聚类算法有很多,k均值算法是最经典的聚类算法,这个算法的目的就是要找到数据的分组,分组的数目由K指定。这个算法基于提供的特征,迭代地将数据分配个K个组别的其中一个。数据是

2020-08-16 17:51:55

基于机器学习决策树算法预测贷款用户是否具有偿还贷款的能力

决策树算法的简介决策树算法是机器学习中的监督学习算法,决策树算法是一种逼近离散函数值的方法。它是一种典型的分类方法,首先对数据进行处理,利用归纳算法生成可读的规则和决策树,然后使用决策对新数据进行分析,其实就是通过一系列规则对数据进行分类的过程。决策树完成分类的直观体现数据结构中有一个树状结构叫做二叉树,二叉树上每个非叶子结点都有一个条件,满足条件的放到结点的右边,不满足条件的放到结点的左边。决策树类似于二叉树,它每个非叶子结点上都有一个根据样本特征判断的条件,这个条件叫做决策,满足决策的放到结点

2020-08-16 17:48:48

基于机器学习支持向量机算法完成经典的图片分类任务

支持向量机简介支持向量机属于机器学习的监督学习算法,它广泛的应用于统计分类以及回归分析中。在深度学习还未像今天这样火爆的时候,支持向量机被认为是最优秀的算法。其英文名为support vector machine,故一般简称SVM,通俗来讲,它是一种二分类模型,其基本模型定义为特征空间上的间隔最大的线性分类器,其学习策略便是间隔最大化,最终可转化为一个凸二次规划问题的求解。支持向量机做了一件什么事支持向量机是一个二分类的算法,假设现在数据集样本有两个类别,分别为正类y=1和负类y=0,我们对这个数据集

2020-08-16 17:45:44

统计机器学习方法的三要素:模型、策略和算法

统计机器学习是关于计算机基于数据构建概率统计模型并运用模型对数据进行预测与分析的一门学科。统计机器学习通过对已知数据构建模型,从而完成对未知的数据进行预测和分析,预测和分析这种行为可以使得计算机看起来很智能,这就是人工智能的一种体现。统计机器学习的总目标就是考虑学什么样的模型和如何学习模型,以使得模型能够对未知数据进行准确的预测和分析。统计机器学习方法的三要素就是:模型、策略和算法。模型统计学习首要考虑的问题是学习什么样的模型。在监督学习过程中,模型就是所要学习的条件概率分布或决策函数。数据构成假设

2020-08-09 23:32:55

基于深度学习框架pytorch构造深度学习循环神经网络模型RNN和LSTM

深度学习框架pytorch当我们开始尝试做一个深度学习项目之前,选择一个合适的框架是非常重要的,因为选择一个合适的框架能起到事半功倍的作用,每个深度学习研究者不需要写大量的重复代码,它能够提高我们的开发效率和速度。有许多优秀的深度学习框架,比如Tensorflow、Caffe、Theano、MXNet、Torch和PyTorch。深度学习框架——pytorchpytorch深度学习框架,相对其它框架来说,它更加灵活,支持动态图,而且提供了Python接口。它是一个以Python优先的深度学习框架,不

2020-08-09 23:18:11

基于机器学习batch归一化克服深层神经网络导致难以训练的问题

covariate shift问题机器学习中有一个经典的假设:训练数据和测试数据是满足相同分布的。这是训练数据获得的模型能够在测试集上获得好的效果的一个基本保障。当训练集数据和测试集数据不一致的时候,训练集训练出来的模型未必能够在测试集上有好的效果,这种训练集和预测集样本分布不一致的情况就叫做covariate shift现象。深度神经网络的中间网络层在训练过程中,中间层数据不断的改变,我们称这种情况是深度神经的covariate shift问题,这也是深度神经网络难以训练的原因之一。深度神经的c

2020-08-07 11:53:57

基于机器学习的归一化操作来加快深度神经网络的训练速度

数据的归一化操作数据的归一化操作是数据处理的一项基础性工作,在一些实际问题中,我们得到的样本数据都是多个维度的,即一个样本是用多个特征来表示的,数据样本的不同特征可能会有不同的尺度,这样的情况会影响到数据分析的结果。为了解决这个问题,需要进行数据归一化处理。原始数据经过数据归一化后,各特征处于同一数量级,适合进行综合对比评价。我们可以将归一化操作进行可视化:左图表示的是原始数据,右图是归一化之后的数据,可以看出每个特征维度上的尺度是一致的(红色箭头的长度表示尺度)。0均值归一化方法我们常用的归一化

2020-08-07 11:48:20

基于机器学习的协同过滤算法完成电子商务网站的商品推荐系统

同现购买协同过滤为用户做推荐的依据包括:所有人购物的历史纪录,还有用户和商品之间的一般化的关联关系,显然当我们为用户推荐商品的时候,如果有人买过这件商品,而且可能他们大部分还同时都买过其它的某些物品,我们有必要将这些过去一起买的商品推荐给此时买这件商品的用户。也有可能有些商品不是同时买的,但只要在历史购物的记录里就可以考虑,这样就有了同现购买的概念。比如买尿布的人同样买了婴儿湿巾,如果我们刚刚买了尿布,那么如何使用同现购买现象帮助我们做出推荐呢?同现矩阵首先先来看一下同现矩阵是什么样的?这个同现

2020-08-06 20:14:58

回归算法和分类算法的异同点是什么?

本文重点这节课主要介绍了监督学习是什么?从两个角度来说的,回归和分类。其基本思想是,我们数据集中的每个样本都有相应的"正确答案"。在根据这些样本作出预测,就像房子(回归)和肿瘤(分类)的例子中做的那样。此外我们还介绍了回归问题,即通过回归来推出一个连续的输出,之后我们介绍了分类问题,其目标是预测出一组离散的结果。监督学习假如说想要预测房价,我们现在有一些数据,现在我们把这些数据再坐标轴中画出来,横轴表示房子的面积,单位是平方英尺,纵轴表示房价,单位是千美元。现在假如有一套 750 平方英尺房子,那么

2020-08-04 19:40:45

基于机器学习的Adam 优化算法来提高深层神经网络的训练速度

在人工智能深度学习领域,我们经常使用梯度下降法来完成神经网络的训练任务,梯度下降算法是当前神经网络的应用最为广泛的算法之一,但是这个算法存在一些问题,就是在梯度下降的过程中存在一些波动的情况,从而导致神经网络的训练过于缓慢,而神经网络的训练需要反复迭代才能找到最佳模型,所以神经网络的快速训练,能够帮助我们快速找到最好的神经网络模型。如上图所示,最中心红点表示梯度最低点,也就是最终的目标点,而蓝色线表示梯度下降的过程,我们可以看到它从左到右不断逼近最低点,但是同时它也存在较大的上下波动的问题。所以它的训练

2020-08-04 19:26:16

基于机器学习逻辑回归算法完成癌症病人的肿瘤是否良性的判断

逻辑回归算法虽然逻辑回归算法的名字中有回归二字,但是它却不是回归算法,它其实是分类算法。它通常是利用已知的自变量来预测一个离散型因变量的值。简单来说,它就是通过拟合一个逻辑函数来预测一个事件发生的概率。所以它预测的是一个概率值,自然它的输出值应该在0到1之间。要想实现输出值的范围在0到1,我们可以使用一个简单的函数来做到,这个函数就是sigmoid函数。sigmoid函数sigmoid函数如上图所示,我们可以看出它的值域在01之间。逻辑回归算法和Sigmod函数结合起来可以实现逻辑回归分类器,我们可

2020-08-04 19:22:37

如何在eclipse中打开命令行窗口?

window->show view->Terminal这样就打开了Terminal窗口,效果如下所示:然后点击右上角所指的小电脑图标,此时可以设置一些信息设置好了之后,就可以点击确定,之后就可以在eclipse中使用命令行窗口了...

2020-08-02 12:53:23

线程中的join方法一定会释放锁,但是它释放的却是这个锁

如果在主线程中调用该join方法时就会让主线程休眠,让调用join()方法的线程先执行完毕后再开始执行主线程。join方法会释放锁,那么它会释放哪个锁呢?如上所示,我们可以看到我们开启了一个thread1线程,然后这个线程中有synchronized代码块,它的锁是o1对象,然后在main线程中也有一个synchronized,它的锁也是o1,也就是说这两个线程中同步使用的是同一个锁,这个程序的执行结果为:我们可以看到开启thread1线程之后,并没有给这个线程CPU呢,而是继续往下执行,所以主方法就

2020-07-31 21:34:10

基于机器学习的梯度检验技术验证神经网络的反向传播是否正常运行

为什么要使用梯度检测我们需要使用反向传播算法完成神经网络的训练任务,反向传播算法是不能出现错误的,一旦出现错误那么神经网络的训练就会出现意想不到的问题。我们一般不能根据反向传播算法的运行结果判断反向传播算法是否执行正确,也就是反向传播算法是否执行正确,我们也不知道。那么既然反向传播算法的正确这么重要,那么我们就应该能够通过一种方式来判断神经网络的反向传播算法是否执行正确,我们可以使用梯度检测完成这个任务。梯度检测的原理假如此时的神经网络的损失函数如上所示,θ0处的导数,也就是上图中的蓝色直线的斜率

2020-07-30 21:22:34

详解深度神经网络中常见的梯度消失和梯度爆炸及其具体的解决方案

梯度不稳定问题在层数比较多的神经网络模型的训练过程中会出现梯度不稳定的问题。具体来说就是神经网络前面的层可能会出现梯度消失或者梯度爆炸的情况。梯度消失问题和梯度爆炸问题一般会随着神经网络层数的增加变得越来越明显。损失函数计算的误差通过梯度反向传播的方式,指导深度网络权值的更新优化。因为神经网络的反向传播算法是从输出层到输入层的逐层向前进行链式求导,前面层上的梯度是来自于后面层上梯度的乘积,当存在神经网络层数过多时,就有可能出现了梯度不稳定场景。梯度消失在神经网络反向传播中,当梯度从后往前传时,梯度不

2020-07-30 17:12:51

基于经典的前向传播算法和反向传播算法共同完成神经网络的训练

神经网络神经网络可以理解为一个输入X到输出Y的映射函数,f(X)=Y,其中这个映射f就是我们所要训练的网络参数W,我们只要训练出来了参数W,那么对于任何输入x,我们就能得到一个与之对应的输出y。只要f不同,那么同一个x就会产生不同的y,我们当然是想要获得最符合真实数据的y了,那么我们就要训练出一个最符合真实数据的映射f,那么训练最符合真实数据f的过程就是神经网络的训练过程,神经网络的训练可以分为两个步骤:一个是前向传播,另外一个是反向传播。神经网络的前向传播前向传播就是从输入层开始(Layer1)

2020-07-30 10:52:06

基于机器学习之多元线性回归算法解决经典的房屋价格预测的问题

回归算法在机器学习的算法体系中回归算法属于监督学习算法,它能够帮助我们解决标签为连续值的样本。下面是机器学习的算法体系:当回归分析中只包括一个自变量和一个因变量时,且二者的关系可用一条直线近似表示,这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量,且因变量和自变量之间是线性关系,则称为多元线性回归分析。线性回归是利用数理统计中回归分析,来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。房价预测问题很多用户具有购房的需求,但是往往咨询中介公司往往效率很低,

2020-07-29 21:41:20

基于深度学习dropout 正则化技术来解决深度神经网络的过拟合问题

过拟合现象在深度学习中,经常会出现过拟合的现象,过拟合是指为了得到一致假设而使假设变得过度严格。过拟合具体表现在:模型在训练数据上损失函数较小,预测准确率较高;但是在测试数据上损失函数比较大,预测准确率较低,也就是说算法模型存在高方差的问题。如图所示,我们的训练集中有两类样本,分别为蓝色样本和红色样本,我们的任务是使用深度学习的方式来训练出一条决策边界来区别开这两类样本,这里我们训练出了两条决策边界,分别为黑色决策边界和绿色决策边界。尽管我们看起来绿色的分类边界很好的区分开了蓝色的样本和红色的样本,

2020-07-26 12:03:37

基于机器学习的文档相似度算法来构建个性化智能文章推荐系统

推荐系统推荐系统是一个相当火热的研究方向,在工业界和学术界都得到了大家的广泛关注。推荐系统,它会基于用户行为数据或物品数据,通过一定的算法,为用户推荐符合他需求的产品。比如购物网站的商品推荐,今日头条的文章、视频的推荐都可以算是推荐系统的典型案例。以文章推荐为例,目前我们正在阅读自己喜欢的文章,那么推荐系统如何帮助我们找到和我们喜欢文章类似的文章,从而连续不断的推荐给用户呢?推荐系统需要解决的两个问题我们要想达到这样类似的任务,我们需要解决两个问题:问题一:就是我们如何测量不同文章之间的相似度?问题

2020-07-26 11:58:29

查看更多

勋章 我的勋章
  • 持之以恒
    持之以恒
    授予每个自然月内发布4篇或4篇以上原创或翻译IT博文的用户。不积跬步无以至千里,不积小流无以成江海,程序人生的精彩需要坚持不懈地积累!
  • 勤写标兵Lv3
    勤写标兵Lv3
    授予每个自然周发布7篇到8篇原创IT博文的用户。本勋章将于次周周三上午根据用户上周的博文发布情况由系统自动颁发。
  • 分享学徒
    分享学徒
    成功上传1个资源即可获取