6 mark_to_win

尚未进行身份认证

http://www.mark-to-win.com 安卓,java,jquery,ios,spring,技术副总,导师,领导项目架构,微信号: MarkToWin_China, qq: 2115860679,

等级
TA的排名 4k+

为什么引入神经网络来做识别,判断,预测?

马克-to-win @ 马克java社区:实名手机尾号:73203, 很多人学了神经网络很长时间,但一直就有一个最根本的问题困扰着自己。为什么要引入神经网络来做识别,判断,预测?为什么神经网络能做这事?其实我们在生活中,总在不知不觉的经常用神经网络。只不过我们没注意观察罢了。 比如经常有朋友会问我们,哪里的房子大致多少钱?比如下面这个判断房价的例子,当知道地点在北京二环以里,天安门旁边的东华门,输...

2019-09-03 18:39:46

卷积神经网络的Helloworld例子

马克-to-win @ 马克java社区:防盗版实名手机尾号:73203。下面是keras官方的卷积神经网络在github上的例子。和原版的唯一区别是:mnist的数据因为在国外(由于翻墙的原因,报错Exception: URL fetch failure on https://s3.amazonaws.com/img-datasets/mnist.npz),可以像我一样,下载数据后,放在本地。...

2019-09-11 16:07:27

如何在Anaconda虚拟环境安装Tensorflow与Keras

1 启动Anaconda虚拟环境安装Tensorflow与keras前,先启动Tensorflow的Anaconda虚拟环境。activate myTensorEnv2 安装Tensorflow在命令提示符窗口输入下列命令,安装Tensorflow:pip install tensorflow出现上述界面时,表明tensorflow已经在虚拟环境中安装成功。测试一下:pytho...

2019-09-10 17:24:59

如何建立安装Tensorflow所需的Anaconda虚拟环境

马克-to-win @ 马克java社区:防盗版实名手机尾号:73203。我们刚才安装的anaconda的实体环境,python版本是3 。但是如果使用Python开发网站系统,可能需要Python2的版本,(当然安装Tensorflow需要Python3的版本),此时就会发生版本不一致的问题。马克-to-win @ 马克java社区:这时我们可以使用Anaconda虚拟环境,让网站框架与Tens...

2019-09-10 11:12:34

Spyder的用法

Windows/开始菜单/Spyder敲入以下代码:from skimage import ioimg = io.imread('i:/tmp/AnacondaIns1.jpg')print 'mark to win'io.imshow(img)[注意要使python3的话, 打印要加括号。print ('mark')mark]更多请见:https://blo...

2019-09-10 10:48:27

Jupyter notebook的用法

Windows/开始菜单/Jupyter notebook更多请见:https://blog.csdn.net/qq_44639795/article/details/100689344

2019-09-10 09:34:17

Anaconda Prompt的用法

Windows/开始菜单,打开Anaconda Prompt,这个窗口和cmd窗口一样的,用命令“conda list”查看已安装的包,从这些库中我们可以发现NumPy,Matplotlib,Pandas,说明已经安装成功了!下一步可以测试随anaconda一起安装的python:(还是在上一个窗口)更多请见:https://blog.csdn.net/qq_43650923/ar...

2019-09-08 18:04:44

dropout到底在干什么?

马克-to-win @ 马克java社区:防盗版实名手机尾号:73203。我们用dropout主要是为了防止CNN过拟合。所谓过拟合就是所建的模型在训练样本中表现得过于优越,而在测试数据集中表现不佳。那既然死死的一个神经网络可能被过度训练,我们能不能每次训练时,随机挑选一部分参数来构成一个子网,将这个子网络作为此次训练更新的目标网络。马克-to-win @ 马克java社区:下次挑选另外一批参数构...

2019-09-08 17:01:37

卷积和神经网络有什么关系?

马克-to-win @ 马克java社区:防盗版实名手机尾号:73203。如上一段所述,卷积可以提取特征,但对于真实世界当中的大规模图片库,我们并不知道哪个局部特征有效,我们还是希望通过训练神经网络,自动学习出来,怎么做呢?还得用到前面学到的BP算法,但现在的问题是卷积和神经网络有什么关系呢?马克-to-win @ 马克java社区:看下面两个图可以知道,其实卷积的运算就是相乘之后求和,和神经网络...

2019-09-08 16:02:53

池化的名字由何而来?

马克-to-win @ 马克java社区:防盗版实名手机尾号:73203。根据前面的卷积过程,我们可以达到特征提取的作用。基本上已经判断出谁是C谁是D。底下可以再进一步做一次池化。数据库连接池记得吧?马克-to-win @ 马克java社区:把很多数据库连接放在一个池子里,想用时挑一个来用。这里做完卷积得到这么多数据,就像池子一样,对于这池子里的数据,我们可以继续做各种各样的操作,比如最大池化或平...

2019-09-08 09:34:17

卷积到底有什么作用?如何做到特征提取?

马克-to-win @ 马克java社区:防盗版实名手机尾号:73203。经过前面的神经网络的基础学习,终于进入我们这章的核心部分,卷积神经网络(CNN, Convolutional Neural Networks)。很多同学学了半天卷积神经网络,但一直有一个最最根本的问题没有搞懂,他也知道怎么做卷积了,也知道怎么做池化了,就是不知道在为什 么这么干?马克-to-win @ 马克java社区:一直...

2019-09-07 18:15:56

BP(back propagation)误差逆传播神经网络

马克-to-win @ 马克java社区:防盗版实名手机尾号:73203。BP神经网络是一种按误差反向传播的神经网络,它的基本思想还是梯度下降法,中间隐含层的误差和最后一层的误差存在一定的数学关系,(可以计算出来),就像误差被反向传回来了,所以顾名思义BP。马克-to-win @ 马克java社区:想想生活中有句话叫做开始差之毫厘,后来失之千里是什么意思?就有点误差传递的感觉。关键他们之间的数学关...

2019-09-07 16:47:45

什么是梯度下降法与delta法则?

马克-to-win @ 马克java社区:防盗版实名手机尾号:73203。梯度下降法就是沿梯度下降的方向求解函数(误差)极小值。delta法则是使用梯度下降法来找到最佳权向量。拿数字识别这个案例为例,训练模型的过程通常是这样的。输入为1万张图片,也就是1万个样本,我们定义为D,是训练样例集合,输出为相对应的1万个数字。马克-to-win @ 马克java社区:这就是1万个目标输出(Target),...

2019-09-07 15:46:06

什么是梯度?

在单变量的函数中,梯度可简单理解为只是导数。函数f的梯度方向是函数f的值增长最快的方向,最陡的方向,换句话说,在一个场中,函数在某一点处的梯度即为此点方向导数最大值。更多请见:https://blog.csdn.net/qq_44639795/article/details/100592901...

2019-09-07 10:56:19

什么是链式法则?

链式法则是微积分中复合函数的求导法则。 复合函数,是指一个函数作为另一个函数的自变量。 如f(x)=3x,g(z)=z+3,g(f(x))就是一个复合函数,并且g(f(x))=f(x)+3=3x+3链式法则(chain rule): 若m(x)=f(g(x)),则m'(x)=f'(g(x))g'(x)即“两个函数凑起来的复合函数,其导数等于里边函数代入外边函数的值的导数,乘里边函数的导数。...

2019-09-07 09:44:03

什么是导数和切线?以及他们的关系?

(引自高等数学)设函数y=f(x)在点x0的某个邻域内有定义,当自变量x在x0处有增量Δx,相应地函数取得增量Δy=f(x0+Δx)-f(x0);如果Δy与Δx之比当Δx→0时极限存在,则称函数y=f(x)在点x0处可导,并称这个极限为函数y=f(x)在点x0处的导数。马克-to-win @ 马克java社区: 所以说:函数y=f(x)在x0点的导数f'(x0)的几何意义:表示函数曲线在点P0(x...

2019-09-06 15:28:51

什么是sigmoid激活函数?

上面我们讲了引入激活函数的意义,激活函数有多种,下面我们拿一种激活函数sigmoid来做示例,其他的类似。sigmoid函数表达式如下:它的函数曲线图是:看到上面的函数曲线图,可以看出是一个sigmoid函数的特点就是当输入值从负无穷变到正无穷时,输出值在0和1之间,。。。。。。。。。。。。。更多可见:https://blog.csdn.net/qq_44594249/arti...

2019-09-05 17:01:05

为什么要引入激活函数?

马克-to-win @ 马克java社区:防盗版实名手机尾号:73203。根据上面的学习,我们已经知道,当我们接到客户的需求,让我们做识别,判断或者预测时,我们需要最终交付给客户我们的神经网络模型。其实我们千辛万苦训练出来的神经网络模型,就是从输入到输出的一个神秘未知函数映射。在大多数情况下,我们并不知道这个真正的函数是什么,我们只是尽量去拟合它。马克-to-win @ 马克java社区:前面给出...

2019-09-05 15:11:28

什么叫训练模型?

马克-to-win @ 马克java社区:根据上面的计算过程可知,下图的神经网络模型果然比较符合现实情况。带游泳池的首先大概率属于高档房,其次价格也比较高。不带游泳池的 属于低档房,而且价格较低。 为什么同样的模型,判断出的结果不一样呢? 1)w3比较大,为0.8,w4比较小,为0.001.意思就是贵的设施对于判断是否为高档很重要。马克-to-win @ 马克java社区:对于低档几乎没用。所以找...

2019-09-04 14:21:57

给出一个生活中的最简单的两层神经网的实际例子

马克-to-win @ 马克java社区:防盗版实名手机尾号:73203。下面我们给出一个生活中的最简单的两层神经网的实际例子。比如,在我们的心目当中,只要有游泳池这种设施的房子就属于高档住宅。先进行一个初步判断,高还是低? 最后才进行最终的价格判断,所以这样就有了两层神经网络。先看是高档还是低档住宅,之后高档住宅的价格偏移和低档住宅的价格偏移是完全不一样的。马克-to-win @ 马克java社...

2019-09-04 09:06:26

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Lv4
    勤写标兵Lv4
    授予每个自然周发布9篇以上(包括9篇)原创IT博文的用户。本勋章将于次周上午根据用户上周周三的博文发布情况由系统自动颁发。