呼啦圈的专栏

一.Tensorflow分布式安装1.1 介绍1.1.1 tensorflow集群配置  节点ip 系统版本号 Cpu型号 物理Cpu个数 Cpu核数 逻辑cpu个数 总物理线程数 总超线程数 内存 172.20.10.30 CentOS release 6.8 (Final) Intel(R) Xeon(R) CPU E5-2620 v2 @ 2.10GHz 2 2*6 ...

来源 | 王的机器（公众号ID：MeanMachine1031）作者 | 王圣元引言斯蒂文认为机器学习有时候像婴儿学习，特别是在物体识别上。比如婴儿首先学会识别边界和颜色，然后将这些信息用于识别形状和图形等更复杂的实体。比如在人脸识别上，他们学会从眼睛和嘴巴开始识别最终到整个面孔。当他们看一个人的形象时，他们大脑认出了两只眼睛，一只鼻子和一只嘴巴，当认出所有这些存在于脸上的实体，并且觉...

第一种场景，希望预测出来的类别有着不同的侧重点这个自定义损失函数的背景：（一般回归用的损失函数是MSE, 但要看实际遇到的情况而有所改变）我们现在想要做一个回归，来预估某个商品的销量，现在我们知道，一件商品的成本是1元，售价是10元。如果我们用均方差来算的话，如果预估多一个，则损失一块钱，预估少一个，则损失9元钱（少赚的）。显然，我宁愿预估多了，也不想预估少了。所以，我们就自己...

解决样本不均衡的问题很多，主流的几个如下：1.样本的过采样和欠采样。2..使用多个分类器进行分类。3.将二分类问题转换成其他问题。4.改变正负类别样本在模型中的权重。  一、样本的过采样和欠采样。1.过采样：将稀有类别的样本进行复制，通过增加此稀有类样本的数量来平衡数据集。该方法适用于数据量较小的情况。2.欠抽样：从丰富类别的样本中随机选取和稀有类别相同数目的样...

转自：https://blog.youkuaiyun.com/u014380165/article/details/80784147CVPR2018上关于目标检测（object detection）的论文比去年要多很多，而且大部分都有亮点。从其中挑了几篇非常有意思的文章，特来分享，每篇文章都有详细的博客笔记，可以点击链接阅读。1、Cascaded RCNN 论文：Cascade R-CNN Delv...

一、神经网络性能调优主要方法数据增广 图像预处理 网络初始化 训练过程中的技巧 激活函数的选择 不同正则化方法 来自于数据的洞察 集成多个深度网络1. 数据增广在不改变图像类别的情况下，增加数据量，能提高模型的泛化能力。 自然图像的数据增广方式包括很多，如常用的水平翻转（horizontally flipping），一定程度的位移或者裁剪和颜色抖动（color jitte...

Win10+64位+tensorflow【GPU】本文：Python3.6+CUDA9.0+cuDNN7.1+tensorflow1.7安装前准备：TensorFlow 有两个版本：CPU 版本和 GPU 版本。GPU 版本需要 CUDA 和 cuDNN 的支持，CPU 版本不需要。如果你要安装GPU 版本，请先确认你的显卡支持 CUDA。如何确认显卡支持CUDA？n  桌面空白处右击，出现“NV...

本文紧接上一篇安装cup版tensorflow上一篇地址：https://blog.youkuaiyun.com/niuxinzan/article/details/80269345本次实验机器配置如下：节点ip 系统版本号 Cpu型号 物理Cpu个数 Cpu核数 逻辑cpu个数 总物理线程数 总超线程数 内存 172.20.10.30 CentOS release 6.8 (Final) ...

IntroductionFrom Facebook’s research to DeepMind’s legendary algorithms, deep learning has climbed its way to the top of the data science world. It has led to amazing innovations, incredible breakthro...

阅读目录 第1章 绪论第2章 模型评估与选择第3章 线性模型第4章 决策树第5章 神经网络第6章 支持向量机第7章 贝叶斯分类第8章 集成学习第9章 聚类第10章 降维与度量学习第11章 特征选择与稀疏学习第12章 计算学习理论第13章 半监督学习第14章 概率图模型第15章 规则学习第16章 强化学习大部分基础概念知识已经在Machine Learning|Andrew Ng|Coursera ...

在神经网络中激活函数层往往是必备的，激活函数一般有如下三种选择：sigmoid函数、relu函数、tanh函数。1.sigmoid函数表达式如下：                                   Θ(x)=11+e−x函数取值范围(0,1),函数图像下图所示:2.tanh函数的表达式如下：tanh(x)=sinh(x)cosh(x)其中sinh(x)数学公式为： sinh(x)...