Apple_hzc的博客

一、Python操作MySQL数据库利用Python语言操作数据库，需要先下载pymysql，由于我之前下载了Anaconda并配置了系统变量，直接在命令行输出：conda install pymysql如果没有安装过Anaconda，可通过以下命令行安装：pip install pymysql安装完毕后，通过以下代码访问并操作数据库MySQL。import pymy...

一、Deeplearning-assignment到目前为止，在之前的练习中我们一直使用梯度下降来更新参数并最小化成本函数。在本次作业中，将学习更先进的优化方法，它在加快学习速度的同时，甚至可以获得更好的最终值。一个好的优化算法可以让你几个小时内就获得一个结果，而不是等待几天。1.Gradient Descent在机器学习中，有一种优化方法叫梯度下降，当每次迭代使用m个样本时，它也叫批...

一、Deeplearning-assignment到目前为止，我们一直使用numpy来建立神经网络。这次作业将深入学习框架，可以更容易地建立神经网络。TensorFlow，PaddlePaddle，Torch，Caffe，Keras等机器学习框架可以显著地加速机器学习开发。这些框架有很多文档，可以随意阅读。在本次任务中，将学习如何在TensorFlow中执行以下操作：初始化变量 开始...

一、Deeplearning-assignment在本次任务中，我们将学习用numpy实现卷积（CONV）层和池化（POOL）层，由于大多数深度学习工程师不需要关注反向传递的细节，而且卷积网络的反向传递很复杂，所以在本次作业中只讨论关于前向传播的处理细节。用 python 来实现每个函数，在下次任务用 TensorFlow 中等价的函数构造如下模型:对于每个前向传播，都有相应的反向...

一、Deeplearning-assignment在本次作业中，我们将学习如何通过tensorflow框架实现一个简单的卷积神经网络。现在有一个数据集，对应着6张图片的数据：我们将通过tensorflow做出一个卷积模型，并通过它对数据集进行训练，提高其在测试集上的准确率。以下是tensorflow model的步骤：创建createholders 对参数进行初始化 实...

一、Deeplearning-assignment在本周的任务中，将开始学习使用Keras：学习使用Keras，这是一个用Python编写的高级神经网络API（编程框架），能够在包括TensorFlow和CNTK在内的几个底层框架上运行。 看看如何在几个小时内建立一个深度学习算法。为什么我们使用Keras？Keras的开发是为了让深度学习的工程师能够非常快速地建立和尝试不同的模型。就像...

一、Deeplearning-assignment在本次作业中，我们将学习如何通过残差网络(ResNets)建立更深的卷及网络。理论上，深层次的网络可以表示非常复杂的函数，但在实践中，他们是很难创建和训练的。残差网络使得建立比以前更深层次的网络成为可能。对于残差网络的详细讲解，具体可参考该论文：Deep Residual Learning for Image Recognition在这个任...

一、Deeplearning-assignment在本周的作业中，将通过使用大的YOLO模型来了解对象检测。您将学习:在一个汽车检测数据集上使用对象检测 处理边界框问题陈述：你正在开一辆自驾车。作为这个项目的重要组成部分，您首先要建立一个汽车检测系统。为了收集数据，你已经把摄像头安装在汽车的引擎盖上（意思是前面），在驾驶时每隔几秒就会拍摄前方的道路。您已经将所有这些图像收集到一...

一、Deeplearning-assignment在本节的学习中，我们将学习建立一个人脸识别系统。人脸识别主要有以下两个类别：人脸鉴定：比如说在一些机场，通过一个系统扫描你的护照是否是你本人，来允许或拒绝你通过安检。 人脸识别：比如在一个公司入口处扫描你的人脸来识别你的身份。FaceNet通过学习一个神经网络将一个人脸图像编码成具有128个数字的向量，通过比较两个向量，能推测两个图...

一、Deeplearning-assignment这一节作业的重点是理解各个正则化方法的原理，以及它们的优缺点，而不是去注重算法实现的具体末节。问题陈述：希望你通过一个数据集训练一个合适的模型，从而帮助推荐法国守门员应该踢球的位置，这样法国队的球员可以用头打。法国过去10场比赛中的二维数据集如下：每个点对应于法国守门员在足球场左侧击球之后，其他运动员用头将球击中的足球场上的位置。...

一、Deeplearning-assignment神经网络的反向传播很复杂，在某些时候需要对反向传播算法进行验证，以证明确实有效，这时我们引入了“梯度检测”。反向传播需要计算梯度 , 其中θ表示模型的参数。J是使用前向传播和损失函数计算的。因为前向传播实现相对简单, 所以确信J的计算正确。现在让我们回头来看一下导数（或者梯度）的定义：考虑一维线性函数 J(θ)=θx，该模型只包含一个实...

一、列表生成式列表生成式是Python内置的非常简单却强大的可以用来创建list的生成式。比如：list = list(range(1,10))print(list)打印出：[1, 2, 3, 4, 5, 6, 7, 8, 9]。假如要生成一个列表：[1*1,2*2,3*3,4*4...,9*9]该怎样做呢？这里推荐两种方法：方法一，用for循环：list =...

一、初识NumpyNumPy是一个Python包，它是一个由多维数组对象和用于处理数组的例程集合组成的库。通过Numpy，可以进行如下操作：数组的算数和逻辑运算。 傅立叶变换和用于图形操作的例程。 与线性代数有关的操作，NumPy 拥有线性代数和随机数生成的内置函数。现在一般通过Numpy、Scipy（Scientific Python）和Matplotlib（绘图库）结合来替代...

一、前言导师让我自学深度学习，以后项目上用得着，发现了这篇文章，特此转载，以供今后的学习。在这放上原作者写的前言:下面给出深度学习入门每一部分的主题和详细链接。二、深度学习入门篇第一部分：感知机部分零基础入门深度学习-感知机第二部分：线性单元和梯度下降零基础入门深度学习-线性单元和梯度下降第三部分：神经网络和反向传播算法零基础入门深度学习-神经网络和反向...

一、pandaspandas是基于NumPy的一种工具，该工具是为了解决数据分析任务而创建的。Pandas纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。pandas提供了大量能使我们快速便捷地处理数据的函数和方法。Pandas主要基于两种数据类型：series与dataframe。series是一个一维的数据类型，其中每一个元素都有一个标签。如果学过numpy...

一、Deeplearning-assignment在本次作业的开始，针对一个非线性可分的数据集通过sklearn的内置函数来训练数据集上的逻辑回归分类器，可以看到逻辑回归的表现并不理想，准确度只有47%。因此建立一个神经网络模型，该模型有一个隐藏层，每个隐藏层有四个节点。神经网络的正向传播：神经网络的反向传播：反向传播是深度学习中最难的（最具数学意义的）部分。为了帮...

一、Deeplearning-assignment在本周作业的编程中，主要通过构建两层神经网络和L层神经网络对catvnoncat.h5数据集进行学习和预测，并得到对test数据集的预测准确度以及判断一张图片是否为猫。在前面的作业中，我们通过逻辑回归模型对该数据集进行了学习和预测，准确度为70%（可以翻看之前的博客和参阅相关代码结果），今天主要构建深层神经网络对数据集进行学习。由上...

一、Deeplearning-assignment这篇文章会帮助构建一个用来识别猫的逻辑回归分类器。通过这个作业能够知道如何进行神经网络学习方面的工作,指导你如何用神经网络的思维方式做到这些，同样也会加深你对深度学习的认识。尽量不要在代码中出现for循环，可以用numpy函数代替的尽量通过向量化方法实现。学习算法的总体架构，包括：初始化参数 计算成本函数及其梯度 使用优化算法（...

一、Deeplearning-assignment从前面的编程作业中，我们可以看到，训练一个神经网络需要一些合适的初始化参数，一个好的初始化方法能够帮助训练自己的神经网络。如果完成了前一个课程的所有联系，你可能按照指导进行了权重初始化，并且到目前为止它已经成功了。但是，面对一个新的神经网络究竟应该怎么选择初始化？在这个笔记中，你会看到不同的初始化会带来不同的结果。精心选择的初始化可以：...

一、Deeplearning-assignment在本节的学习中，我们将学习神经风格迁移（Neural Style Transfer）算法，通过该算法使得两张不同风格的图片融合成一张图片。问题描述：神经风格迁移算法是深度学习中的一种有趣的技术。正如下面的图片所示，算法将两种图片的风格特点融合在了一起。神经风格迁移：运用了一个预训练的卷积神经网络，这种将一个任务的特点运用到另一个任务...