4 青青大肥羊

尚未进行身份认证

一个学艺不精的半料子

等级
TA的排名 33w+

GAN及其变体CGAN、WGAN

生成式对抗网络GAN(无监督)GAN由Goodfellow在2014年提出,启发自博弈论中的二人零和博弈。由一个生成模型G和一个判别模型D组成。生成模型捕捉样本数据的分布,判别模型是一个二分类器,判别输入的数据是真实数据还是生成的数据。G和D一般都是非线性映射函数,例如多层感知器、卷积神经网络等。生成模型输入的是一个服从某一简单分布(高斯分布)的噪声变量z,输出的是与训练图像相同尺寸的伪图...

2019-01-14 15:54:49

RabbitMQ初识

1MQMQ(MessageQueqe)我们可以理解为消息队列,队列我们可以理解为管道。以管道的方式做消息传递。应用场景:1.其实我们在双11的时候,当我们凌晨大量的秒杀和抢购商品,然后去结算的时候,就会发现,界面会提醒我们,让我们稍等,以及一些友好的图片文字提醒。而不是像前几年的时代,动不动就页面卡死,报错等来呈现给用户。在这业务场景中,我们就可以采用队列的机制来处理,因为同...

2018-08-22 09:59:38

PostgreSQL初识

1、PostgreSQL1.1简介PostgreSQL是一个功能强大的开源对象关系数据库管理系统(ORDBMS)。用于安全地存储数据;支持最佳做法,并允许在处理请求时检索它们。PostgreSQL(也称为Post-gress-Q-L)由PostgreSQL全球开发集团(全球志愿者团队)开发。它不受任何公司或其他私人实体控制。它是开源的,其源代码是免费提供的。PostgreS...

2018-08-17 17:05:16

无监督学习——聚类

1、基本概念理解无监督学习——通过无标记训练样本的学习来揭示数据的内在性质及规律,为进一步的数据分析提供基础。聚类——将数据集中的样本划分为若干个不相干的子集,每个子集称为一个“簇”,即类别。需要说明的是,聚类之前并不知道数据是属于哪一类的,我们就是要通过聚类来找出有哪些类别并把这些数据归类。2、聚类的两个基本问题2.1性能度量性能度量亦称有效性指标,一方面,我们需要通...

2018-07-30 22:28:19

分类模型和回归模型

分类:概念:对于分类问题,监督学习从数据中学习一个分类模型或者分类决策函数,称为分类器。分类器对新的输入预测其属于哪一类别,称为分类。优化过程:找到最优决策面输出:离散值,如0/1,yes/no评价指标:一般是精确率,即给定测试数据集,分类器能正确分类的样本数占总样本数的比。模型损失函数:交叉熵损失函数回归:概念:回归用于预测输入变量和输出变量之间的关系,特别是当输入变...

2018-07-30 15:44:03

生成模型和判别模型

基础概念1、监督学习的任务就是学习一个模型,然后根据这个学习好的模型,给定输入预测相应的输出。该模型的一般表达为Y=F(x)(F为输入到输出的映射关系),或者为条件概率P(y|x)(给定x求y的发生概率)2、监督学习方法分为生成方法和判别方法,学习到的模型对应为生成模型和判别模型生成方法和生成模型生成模型主要求解联合分布。举个例子,有训练集(X,Y),X为输入特征,Y为类别标签,(...

2018-07-30 12:05:12

Linux学习打卡第五天之shell命令

今天领头羊发了邮件过来,要学习下分析网络包的过程,里面有个.sh文件,不是很懂,今天开始了解下。一些特殊符号'string'单引号,用于保持引号内所有字符的字面值,即引号里面是什么就是什么,例如echo'\\'输出\\\"string\"表示双引号"",若引号中有特殊字符的话可能就当作特殊字符处理了,不再是原来的字面值,例如echo"\\"输出\`command...

2018-07-06 17:30:43

Linux学习打卡第四天之makefile实验

首先需要弄明白程序编译执行的大致过程:预处理阶段词法和语法分析阶段编译阶段:对.c文件进行编译,首先编译成汇编语句,再编译成跟CPU相关的二进制码,最后生成的是目标文件(后缀名为.obj)链接阶段:将各个目标文件中的各段代码进行绝对地址定位,生成跟特定平台相关的可执行文件(后缀名为.exe).h是头文件,内含函数声明、宏定义、结构体定义等等.c文件是程序文件,内含函数实现...

2018-07-05 15:50:49

C语言之文件相关操作

fopen();作用:以指定方式打开文件FILE*fopen(constchar*path;//待打开的文件路径constchar*mode;//打开方式,有如下://r:以只读方式打开//w:只写文件,若文件存在则将内容清零重新写入;若文件不存在则建立该文件//w+:可读写文件,规则同上...

2018-07-04 10:21:12

TCP/IP协议

1、概念TCP/IP是传输控制协议和网络协议的简称,它定义了电子设备如何连入因特网,以及数据如何在它们之间传输的标准。TCP/IP不是一个协议,而是一个协议簇的统称,里面包括了IP协议、ICMP协议、TCP协议、以及http、ftp、pop3协议等。网络中的计算机都采用这套协议簇进行互联。2、TCP/IP四层模型:应用层:SMTP、HTTPS、HTTP、DNS、Telent、P...

2018-06-27 16:00:31

网络抓包工具安装

1、wireshark安装https://www.linuxidc.com/Linux/2016-08/134526.htmhttps://jingyan.baidu.com/article/c74d60009d992f0f6a595de6.htmlhttps://blog.csdn.net/lynnyq/article/details/790777632、libpcap库安装...

2018-06-27 11:59:13

源代码管理工具——svn,git

1、工具介绍https://blog.csdn.net/zhhelnice/article/details/52385285https://blog.csdn.net/jiary5201314/article/details/514600092、git和github的概念区别https://blog.csdn.net/qq_25352981/article/details/4917...

2018-06-27 10:44:58

Linux学习打卡第三天

1、基本概念及操作1.1Linux常用快捷键[Tab]:命令补全,也可以补全目录、命令参数等[Ctrl+c]:终止当前程序[Ctrl+d]:键盘输入结束或退出终端[Ctrl+s]:暂停当前程序,暂停后按下任意键恢复运行[Ctrl+z]:将当前程序放到后台运行,恢复到前台为命令fg[Ctrl+a]:将光标移至输入行头,相当与Home键[Ctrl+e]:将光标移至输入行末,相...

2018-06-22 16:59:10

Linux学习打卡第二天

1.文件内容查阅cat含义:concatenate,从第一行开始显示文件内容格式:cat[-AbEnTv]文件路径-A:显示文件的完整信息,包括特殊字符-b:列出行号,空白行不标行号-n:列出行号,空白行也有行号-T:将[tab]按键以^I显示出来tac含义:cat倒着写,从最后一行往前开始显示nl含义:显示的时候顺带输出行号格式...

2018-06-21 17:49:00

Linux学习打卡第一天

第一天学习了以下知识点1、Linux常用命令:操作系统:Unbantu16.41.1目录相关操作cdpwdls-l-smkdir:创建目录$cd./Documents$mkdir/tmp//创建文件夹$mkdirtest//同上,只是方法不一样,功能一样$mkdir-ptest1/test2/test3/...

2018-06-21 09:57:49

集群更新tensorflow问题记录

问题描述:网上下载了一个tensorflow代码,要求tensorflow版本是1.4以后的,我集群上的版本是1.2,所以要更新。做法1:1、我把目录切换到anaconda下:cdanaconda2、用pip命令更新tensorflow到最新版本:pipinstall–upgradetensorflow结果更新到了最新本版1.8ps:还可以更新到指定版本,但前提...

2018-06-13 10:28:59

The One Hundred Layers Tiramisu: Fully Convolutional DenseNets for Semantic Segmentation

今天介绍一篇文章,FCN和DenseNet的超强结合体,2017CVPR,一起来欣赏下吧!文章地址:https://arxiv.org/abs/1611.093261、FC-DenseNet提出背景FCN:FCN是首个在传统CNN的基础上解决像素级语义分割问题的网络。同过加入上采样层,使得输出图像尺寸和输入一样大小,也即网络的输入可以是任意大小的图像,不需要像AlexNet那样需要统...

2018-06-11 22:04:46

全卷积神经网络FCN

卷积神经网络(CNN)介绍传统CNN的强大之处就在于它的多层结构能自动学习特征,并且可以学习到多个层次的特征:较浅的卷积层感知域较小,学习到一些局部特征;较深的卷积层感知域较大,能够学习到更加抽象的特征。这些抽象特征对物体的方向、大小、位置等敏感性更低,从而有助于识别性能的提高。缺点:抽象的特征对分类很有帮助,可以判断出一幅图像中的物体属于哪一类。但由于抽象特征丢失了物体的一些细节,不能很...

2018-06-05 15:24:18

自编码器及其相关模型

简介自编码器是一种无监督的神经网络模型,其核心作用是学习到输入数据的深层表示。主要应用在两方面:一是特征提取;二是非线性降维,用于高维数据的可视化,与流行学习关系密切。本节主要介绍几种常见的自编码器及其变种网络。1、自编码器(AutoEncoder,AE)20世纪80年代提出,原始的AE网络是一个三层的前馈型神经网络,包括输入层、隐含层、输出层输入层:x={x1,x2...

2018-06-04 17:27:11

卷积神经网络-由简单到复杂

matlab中BP神经网络训练误差很大的原因;1、没归一化2、没初始化3、数据结构问题4、学习函数选择不当5、隐藏层设置不当6、数据太少,摆动不大卷积神经网络的参数调节:一般说来,提高网络泛化能力的主要方法有:1、正则化2、增加网络层数3、使用正确的代...

2018-06-04 17:17:40

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!