Kuo_Jun_Lin的博客

关键词：机器学习 / 神经网络 / 稀疏摘要：全联接神经网络从发明至今到处可见其身影，它可以用来实现分类或回归任务，有效拓展机器的决策能力，然而全联接的参数总量非常庞大，既需要硬盘空间保存模型，运行时又需要占用大量内存实现计算，稀疏网络的概念由此应运而生！去掉某些链接实现网络的轻量化正是它的重要贡献！简介神经网络专指一种结构化的层状网络结构，虽然同样也都是由节点 (node) 和边 (edge) 组成，但每个节点不能与和自己同一层的其他节点产生连接，因此常常网络结构的示意图就会被画成这个样子.

驱动让 GPU 可以在电脑中被读取，CUDA 用来适配 Python 深度学习框架的版本，一般框架从 CUDA 版本 9.2～11.0 都有支持，不建议装最新的 CUDA，因为可能框架还没有支持到最新版本，同时也不见以装太旧的 CUDA，因为性能与功能可能没有足够的支持。接着是 cuDNN，它支持了一些额外的运算子，实现在 GPU 上计算如卷积等复杂的操作，下载版本的时候也必须得和 CUDA 的版本对齐，不过下载前需要登入 nvidia 官网方可继续下载所需要的压缩文件。驱动 -https://www.

Brief 概述这节开始我们使用知名的图片数据库 「THE MNIST DATABASE」 作为我们的图片来源，它的数据内容是一共七万张 28×28 像素的手写数字图片，并被分成六万张训练集与一万张测试集，其中训练集里面又有五千张图片被用来作为验证使用，该数据库是公认图像处理的 "Hello World" 入门级别库，在此之前已经有数不清的研究围绕着这个模型展开。不过初次看到这个库之后肯定...

Brief 概述在理解了建构神经网络的大致函数用途，且熟悉了神经网络原理后，我们已经大致具备可以编写神经网络的能力了，在涉及比较复杂的神经网络结构前，还有两件重要的事情需要了解，那就是中途存档和事后读取的函数，它攸关到庞大的算力和时间投入后产出的结果是否能够被再次使用，是一个绝对必须弄清楚的环节。另外是 Tensorflow 提供的的一个工具名为 Tensorboard，它可以很有效率的为我们...

Brief 概述基于对 Tensorflow 大致的了解，并理解了流程图设置的逻辑和运行方法后，我们逐渐的会发现其设计理念与机器学习深远的匹配性。延续前面一章节最后的代码，此单元记录的模型和方法主要也是围绕 「监督学习」 为重点展开。构建一个内涵机器学习算法的流程图后，我们就可以以一个参数作为输入，启动计算流程并等待最终结果，大致的训练过程如下流程：建构好数学模型指向图 初始化模型参数...

Brief 概述机器学习与人工智能其实可以被归类为一个有历史的学科领域，在上世纪的六零年代就已经有第一批的科学家先祖们在这个领域投入精力，但是碍于当时的硬件科技发展限制，没有办法实现大规模的运算，甚至也没有单位能够提供规模庞大的同类型数据给到科学家们，因此这个领域一直沉寂着直到现今爆炸性的成长开了一片绚丽的故事。不过这样的发展历程也意味着非常丰富的知识和方法累计在这门学科中，应对迅速到来的...

more

遥想学习 python 之初，我满腹的怀疑为什么 python 本身已经具备的数据容器，运算子，与内置模块处理数据，还要一个 numpy 重复一遍内置函数的功能，直到开始接触了大量的数据与资料处理的实例后，看着大家都用 numpy 到他们的代码中，终于下定决心想把它了解一番。In short，numpy module 的应用，相比于 python 自己的函数，大幅提升了应付数据时候的运算速度与...

matplotlib（官网入口 [点击]) 是一个非常庞大且强大的 Python 工具包，凡事关联到图像化的应用（如：方程式绘图，图像色彩，数据可视化，键盘鼠标与图形交互功能，画面功能按钮设定，等等），是一个全方位的 module。但是从另一个角度来看，详尽的内容与功能对一个初学者而言，视野里就是复杂与难懂的规则与框架，好记忆不如烂笔头，而这里就是那个烂笔头着墨的一片天地。p.s. 技术文档点击下...