jeffery0207的博客

    tensorflow中有两个关于variable的op，tf.Variable()与tf.get_variable()下面介绍这两个创建变量函数的区别    先来看看这两个函数的参数列表，就不打了，直接截图：                        首先有一个区别非常明显：   （1） tf.Variable() 初始化是直接传入initial_value ， 我们使用的时候一般是这...

写在篇前  本篇文章主要介绍NMF算法原理以及使用sklearn中的封装方法实现该算法，最重要的是理解要NMF矩阵分解的实际意义，将其运用到自己的数据分析中！理论概述  NMF(Non-negative matrix factorization)，即对于任意给定的一个非负矩阵V，其能够寻找到一个非负矩阵W和一个非负矩阵H，满足条件V=W*H,从而将一个非负的矩阵分解为左右两个非负矩阵的乘积。...

写在篇前  层次聚类（hierarchical clustering）是一种通用的聚类算法之一，它通过自下而上合并或自上而下拆分来构建嵌套聚类。这种簇的层次结构表示为树（或树状图），树的根汇聚所有样本，树的叶子是各个样本。本篇博客会简述层次聚类的原理，重点是使用sklearn、scipy、seaborn等实现层次聚类并可视化结果。原理简述  看到一篇详细讲层次聚类原理的文章层次聚类算法的原理...

写在篇前  Kmeans算法是一种经典的聚类算法，属于无监督学习的范畴。所谓聚类，即指对于给定的一个样本集，按照样本之间的距离大小，将样本集划分为K个簇，且让簇内的点尽量紧密的连在一起，而让簇间的距离尽量的大。优点：原理简单速度快对大数据集有比较好的伸缩性缺点：需要指定聚类数量K对异常值敏感对初始值敏感原理概述算法流程                        ...

写在篇前  PCA即主成分分析技术，又称主分量分析，旨在利用降维的思想，把多指标转化为少数几个综合指标，其主要目的是为了减少数据的维数，而同时保持数据集最多的信息。这篇文章主要是整理PCA算法的理论、思想，然后通过Scikit-learn中的例子讲解PCA的使用。数学基础  首先，我们需要了解几个重要的数学概念，其中均值、标准差、方差协方差应该是比较好理解的，主要是要注意对特征向量和特征值的...

TRICKS IN   DEEP  LEARNING                                                         IN THIS DOC , ONLY  WITH  LITTLE BRIEF EXPLANATION, RECORED IN DAILY STUDY                                           ...

    相信大家都听说过数据增强（Data Augmentation）,这是在做神经网络时非常极其重要的trick, 因为数据是宝贵的，稀有的，通过数据增强我们能让我们的数据量迅速增大，并且能使训练的模型具有一定抗噪能力。这篇文章主要探讨一下 tensorflow 关于数据增强的API.    先读取图片数据, 并输出我们的图片信息import numpy as npfrom PIL impor...

        上上篇博文也写了这个话题，这次自己又敲了一下代码，再次研究了一下关于tf.Variable() 和 tf.get_variable() 的区别， 我就先不说太多，先直接看看代码，再来总结分析，下面代码中注释部分为输出结果。with tf.variable_scope('aa') as scope:    w = tf.get_variable("a1", [1, 2])    va...

  tensorflow 定义了tf.app.flags，它是用来支持接受命令行传递参数，相当于接受argv，其中tf.app.flags.DEFINE_xx()用来添加命令行的optional argument（可选参数），而tf.app.flags.FLAGS可以从对应的命令行参数取出相应的参数。 看代码：import tensorflow as tfFLAGS = tf.app...

TensorFlow提供了一种TFRecords的格式来统一存储数据。理论上，TFRecords可以存储任何形式的数据 , TFRecords文件的是以tf.train.Example Protocol Buffer的格式存储的。以下的代码给出了tf.train.Example的数据结构： message Example { Features features = 1;...

1、KNN算法概论　　kNN算法的核心思想是：如果一个样本在特征空间中的k个最相邻的样本中的大多数属于某一个类别，则该样本也属于这个类别，并具有这个类别上样本的特性。该方法在确定分类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。 K 的一般取值有 3， 5， 7。2、KNN算法详解     KNN是通过测量不同特征值之间的距离进行分类。它的的思路是：如果一个样本在特征空间中的...

写在篇前  本篇介绍如何使用Tensorflow Serving组件导出训练好的Tensorflow模型，并使用标准tensorflow model server来部署深度学习模型预测服务。tensorflow model server主要负责管理新的导出模型并运行gRPC服务以方便终端用户调用。下面的代码都可以在我的实战项目github CaptchaIdentifier或者jefferyUs...