7 visionshop

尚未进行身份认证

我要认证

本ID为工业检测解决方案团队所有

等级
TA的排名 1w+

conda环境管理

## 查看环境conda env list## 创建环境conda create -n python36 python=3.6## 进入环境source activate python36 activate python36 # windows下## 搜索包conda search mxnet*## 指定环境,查看已安装的包conda list -n python36...

2020-04-30 21:57:54

Spyder debug调试文件,如何传入参数

一、 在spyder 控制台下用debugfile()输入:debugfile('/home/amax/robot/rllab/scripts/run_experiment_lite.py', args="--n_parallel '1' --snapshot_mode 'gap' --snapshot_gap '1000' --exp_name 'ant/cross-maze-2020-...

2020-04-15 23:02:39

先验分布/后验分布/似然估计)

对【先验分布/后验分布/似然估计】介绍的很清晰https://blog.csdn.net/qq_23947237/article/details/78265026上述文章对贝叶斯估计的内容介绍的不多https://www.cnblogs.com/xueliangliu/archive/2012/08/02/2962161.html...

2020-04-08 15:50:57

mujoco配置

需要在.bashrc增加以下内容:export LD_LIBRARY_PATH=~/.mujoco/mujoco200/bin${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}export MUJOCO_KEY_PATH=~/.mujoco${MUJOCO_KEY_PATH}export MUJOCO_PY_MJPRO_PATH=~/.mujoco/mujoco...

2019-12-18 11:01:46

从拉普拉斯矩阵说到谱聚类

版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。本文链接:https://blog.csdn.net/v_JULY_v/article/details/40738211从拉普拉斯矩阵说到谱聚类0 引言11月1日上午,机器学习班第7次课,邹讲聚类(PPT),其中的谱聚类引起了自己的兴趣,邹从最基本的概念:单位向量、两个...

2019-10-25 17:14:47

OpenAI_gym的官网案例

创建,渲染,随机选择动作当然这只是gym的一个游戏,还有一些如: MountainCar-v0, MsPacman-v0 (requires the Atari dependency), or Hopper-v1 (requires the MuJoCo dependencies). Environments all descend from the Env base class.impor...

2019-09-05 19:51:25

Linux 下环境配置相关

如何挂载硬盘1. 查询序列号2. 开机自动挂载sudo gedit /etc/fstabUUID=8d1275cd-5d5a-4376-a38f-bc770296f4a8 /data ext4 defaults 0 2...

2019-09-05 11:57:45

SVD详细介绍-理论公式证明及低秩近似和特征降维

第一部分:矩阵的奇异值分解:矩阵的奇异值分解证明过程中会用到五个定理,先作为补充知识展示这五个定理:定理一:A是对称矩阵,则不同特征值对应的特征向量是正交的。证明:设,是矩阵A的特征向量,且,,为,对应的特征向量,即:,则,因为A是对称矩阵,则所以,则:因为,所以:,即:和是正交的。证毕————————————————————...

2019-06-09 17:42:12

详解SVD分解过程

转如何让奇异值分解(SVD)变得不“奇异”?红色石头发布于2018-08-29分类:机器学习阅读(144)评论(0)如何让奇异值分解(SVD)变得不“奇异”?-红色石头的个人博客http://redstonewill.com/1529/在之前的一篇文章:通俗解释协方差与相关系数,红色石头为大家通俗化地讲解了协方差是如何定义的,以及如何直观理解协方差,并且比较了协...

2019-06-09 16:54:42

矩阵的迹以及迹对矩阵求导

ref: https://blog.csdn.net/u012421852/article/details/79594933矩阵的迹概念 矩阵的迹 就是 矩阵的主对角线上所有元素的和。 矩阵A的迹,记作tr(A),可知tra(A)=∑aii,1<=i<=n。定理:tr(AB) = tr(BA)证明定理:tr(ABC) = tr(C...

2019-06-08 12:18:25

矩阵求导

https://www.jianshu.com/p/4128e5b31fb4title: 闲话矩阵求导原始文件没有办法把latex公式正常显示,所以一个一个弄出来了,保留了原来的公式。原始文章来自《闲话矩阵求导》。矩阵求导,想必许多领域能见到。统计学,经济学,优化,机器学习等等,在对目标问题建立数学模型之后,问题往往被抽象为关于矩阵的优化问题。于是免不了需要对矩阵进行求导等操作。简单...

2019-06-08 12:17:22

关于范数的介绍

作者:Faaany链接:https://www.zhihu.com/question/21868680/answer/136376374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。要更好的理解范数,就要从函数、几何与矩阵的角度去理解,我尽量讲的通俗一些。我们都知道,函数与几何图形往往是有对应的关系,这个很好想象,特别是在三维以下的空间内,函数是几...

2019-06-08 01:17:30

时间序列预测-ARIMA

参考资料1https://pyflux.readthedocs.io/en/latest/arima.html#example参考资料2多元序列分析ARIMAX(p,I,q)宇智波带土没事瞎折腾4 人赞同了该文章这里借助Python的statsmodels库和pyflux库进行多元时间序列分析,建立ARIMAX(p,I,q)模型用来预测二氧化碳浓度数据。其中p...

2019-06-05 21:17:47

主成分分析与奇异值分解

机器学习中的数学(5)-强大的矩阵奇异值分解(SVD)及其应用版权声明: 本文由LeftNotEasy发布于http://leftnoteasy.cnblogs.com, 本文可以被全部的转载或者部分使用,但请注明出处,如果有问题,请联系wheeleast@gmail.com。也可以加我的微博:@leftnoteasy转载https://www.cnblogs.com/Left...

2019-05-29 21:09:22

熵、交叉熵、相对熵(KL散度)

参考资料:https://www.jianshu.com/p/43318a3dc715?from=timeline&isappinstalled=0https://www.zhihu.com/question/41252833视频讲解https://www.youtube.com/watch?v=ErfnhcEV1O8如何理解K-L散度(相对熵)Kull...

2019-05-07 09:36:48

多线程变量调试——VS 数据断点调试

Visual Studio 2013 中数据断点的使用最近在开发一个比较复杂的项目,使用了许多assert宏来进行断言防御式编程,但是有的时候发现许多数据被修改了并非自己期望的值。有的时候也不可能为所有数据都提高读写接口封装来控制,这里就需要使用到数据断点来判断数据什么时候被改写了。MSDN参考文档https://msdn.microsoft.com/en-us/library/...

2019-04-12 20:58:35

3D成像原理

3D成像:光学的再次创新前言:光学一直是科技创新的重头戏,智能手机摄像头经历了2D时代像素和个数的倍增,孕育了大立光等优质公司。3D成像技术的成熟拉开了二维向三维升级的帷幕,有望带动光学创新大革命(绝非“微创新”可比),本文作为市场首篇深度剖析,将为投资者挖掘相关投资机会。1、3D 成像究竟是什么?光学升级一直停留在像素、感光等二维层面,也是智能手机创新周期的主驱动力。3D成像在二维...

2019-03-14 09:16:10

机器学习-SVD

机器学习中SVD总结https://mp.weixin.qq.com/s/Dv51K8JETakIKe5dPBAPVg目录: 矩阵分解 1.1 矩阵分解作用 1.2 矩阵分解的方法 1.3 推荐学习的经典矩阵分解算法 SVD具体介绍 2.1 特征值、特征向量、特征值分解 2.2 SVD分解 2.3 SVD分解的应用 1. 矩阵分解...

2019-03-12 21:19:57

机器学习-SVD分解

ref:https://www.cnblogs.com/lzllovesyl/p/5243370.html本文先从几何意义上对奇异值分解SVD进行简单介绍,然后分析了特征值分解与奇异值分解的区别与联系,最后用python实现将SVD应用于推荐系统。1.SVD详解SVD(singular value decomposition),翻译成中文就是奇异值分解。SVD的用处有很多,比如:LSA...

2019-03-06 10:53:42

机器学习-正则化方法及原理

正则化方法:防止过拟合,提高泛化能力在训练数据不够多时,或者overtraining时,常常会导致overfitting(过拟合)。其直观的表现如下图所示,随着训练过程的进行,模型复杂度增加,在training data上的error渐渐减小,但是在验证集上的error却反而渐渐增大——因为训练出来的网络过拟合了训练集,对训练集外的数据却不work。为了防止overfitting,可以...

2019-03-06 10:51:49

查看更多

勋章 我的勋章
  • 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。