4 i_am_will

尚未进行身份认证

我要认证

联系方式:1524405292@qq.com

等级
TA的排名 19w+

吴恩达course5-序列模型学习笔记-很棒

https://www.jianshu.com/p/d67e01618dde RNN结构 对于第一个单词的预测就是将x<1>送进网络,然后输出预测值ŷ<1>;对于第二个单词的预测,不仅接收x<2>,还接收来自第一个时间步长(time step,前面提到语言都是逐个生成的,包含时间的概念,所以会引入time step这个概念,也可以理解成:为逐个生成的单词都盖上专属的时间戳)的激活函数值a<1>或者称为隐藏信息,后面以此类推。这样做能够避免SNN中.

2020-06-30 17:05:57

吴恩达神经风格迁移-通道变量相关性代表风格相近性

主要内容:一.神经风格迁移简介二.计算content cost三.计算style cost一.神经风格迁移简介1.神经风格迁移(Neural Style Transfer),简称为NST,就是以一张图为内容基础,以另一张图为风格基础,生成一张新的图:2.NST使用一张已经训练好的神经网络VGG network作为算法的基础。可知神经网络的浅层学习一些比较低级的特征诸如边界和纹理的等,深层学些一些复杂抽象的特征。为了学习得比较精确但又不过于苛刻,我们一般选择VGG ne..

2020-06-30 00:14:34

激活函数的作用

常用激活函数:sigmoid,tanh,relu,leaky relu如果激活函数是线性激活函数(比如 :y = kx,k = [0 1 2..]),则结果的预期函数也是线性的,相当于线性拟合。z1 = w1*x +bz2 = w2*z1 +b = w2 *(w1*x +b) +b = w2*w1*x +(w2b + b)...

2020-06-24 13:58:55

k-means 算法octave实现

转载:https://www.cnblogs.com/pascal1000/articles/12470630.html一、机器学习 k-means octave实现1 看效果:2 octave代码:function idx = findClosestCentroids(X, centroids) % Set K K = size(centroids, 1); % You need to return the following va...

2020-06-21 19:14:25

神经网络的一些衡量参数

衡量参数:训练集误差验证或测试集的误差查准率查全率(查全率高:宁可错杀一千,不可放过一个)学习曲线(训练和测试误差,随训练数据集数量的变化趋势)两种现象:欠拟合和过拟合先构建一个简单的应用,避免过早优化,进行误差分析,确定优化方向。解决办法:获取更多数据集增加或减少特征的数量增加多项式的使用正则化参数lamda的增大或减小...

2020-06-21 18:27:24

sigmoid函数及其导数

sigmoid函数:g = 1.0 ./ (1.0 + exp(-z));sigmoid函数的导数:g=sigmoid(z).*(1-sigmoid(z));

2020-06-21 17:09:10

神经网络的前置函数公式,反向传播公式,参数更新公式

复合函数求导法则:

2020-06-21 13:51:46

过拟合问题,正则化

参数过多,尤其引入多项式之后如果数据样本不够,会造成过拟合问题。可以通过引入正则化(regularization),进行解决。在代价函数后,对参数的平方进行求和,乘以一个常数(正则化参数)...

2020-06-19 14:54:58

二元分类,逻辑回归,标准梯度下降,octave实现

clearclc%% 数据准备%X = xlsread('C:\Users\user01\Desktop\test.xlsx');%二分类 随机生成数据。 200个数据 每个数据2个特征data=1*rand(3000,2);label=zeros(3000,1);%label(sqrt(data(:,1).^2+data(:,2).^2)<8)=1;label((data(:,2)+data(:,1)>1))=1;%在data上加常数特征项;data=[data,o...

2020-06-19 12:01:47

线性梯度回归,使用octave实现

function [initw] = lineGred() x = randi(10,20,2) realw = [2 3] y = x* realw' initw = [1 1] j = sum(power((x * initw' - y),2)) / size(x,1) while j > 0.001 swapw = sum((x * initw' - y).*x) / size(x,1) initw = initw - 0.01*swapw ...

2020-06-18 12:55:26

线性代数的几何解读

https://www.bilibili.com/video/BV1s4411S78P?p=18

2020-06-02 15:47:50

jdk+hadoop+hbase+spark的搭建

# jdk+hadoop+hbase+spark的搭建jdk+hadoop+hbase+spark的搭建,这是一个已经搭建好的,服务器到期之后的,配置保存hosts:118.31.38.25 work1101.37.147.47 work247.96.11.140 master修改各机器的host和hosts配置ssh免密登陆全部的环境变量:export HADOOP...

2019-12-26 11:23:59

DAGScheduler实现-2.0v

转载:https://www.jianshu.com/p/ad9610bcb4d0整体架构任务调度逻辑视图DAGScheduler:负责分析用户提交的应用,并根据计算任务的依赖关系建立DAG,且将DAG划分为不同的Stage,每个Stage可并发执行一组task。注:DAG在不同的资源管理框架实现是一样的。TaskScheduler:DAGScheduler将划分完成的T...

2019-11-15 16:51:21

react的表头可配置化

实现效果:Table上面增加一个按钮,按钮触发一个Model页面,里面是checkBox组件,提供表头字段的选择。选中那个字段,table呈现那个字段。import React from 'react';import {Table,Checkbox,Button,Modal, Row, Col, Card} from 'antd';import {sessionCheck} from '../...

2018-06-29 09:46:21

fastjson的JSON.parseObject的排序问题

俩种方案:LinkedHashMap<String, Object> root=JSON.parseObject(map.toString(),new TypeReference<LinkedHashMap<String, Object>>(){} );columnJson = JSONObject.parseObject(jsonString,LinkedHa...

2018-04-08 19:40:14

MDC的介绍

一:MDC介绍  MDC(Mapped Diagnostic Context,映射调试上下文)是 log4j 和 logback 提供的一种方便在多线程条件下记录日志的功能。某些应用程序采用多线程的方式来处理多个用户的请求。在一个用户的使用过程中,可能有多个不同的线程来进行处理。典型的例子是 W...

2018-03-29 09:15:18

在阿里云上搭建spark分布式环境。

参考资料:(我觉的参考资料比我的更重要,所以它在前面。)http://www.mak-blog.com/spark-on-yarn-setup-multinode.html张丹阳. 阿里云实现Spark的分布式计算https://www.cnblogs.com/freeweb/p/5773619.html三台EMC服务器,ubentu系统。下载一个putty,做远程连接。第一步:修改/etc/ho...

2018-02-10 19:44:45

apt-get install jdk下的JAVA_HOME的配置

1    通过apt-get 的方式安装jdksudo apt-get update    //sudo表示超级用户,如果是在root用户下可以不写sudo apt-get install oracle-java8-installer安装完后的目录在:/usr/lib/jvm/java-8-openjdk-amd64echo $JAVA_HOME,没有结果;javac -version可以显示版本...

2018-02-10 18:51:25
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Lv1
    勤写标兵Lv1
    授予每个自然周发布1篇到3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。