- 博客(12)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 【旁门Python03】如何正确使用Python logging库
如何正确使用Python的logging库？这篇一站式的文章就足够了。涵盖从基本用法到高级配置。
2022-10-09 09:25:40
1069
原创 【旁门python02】如何用setuptools搭建一个python whl包
旁门Python系列提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录旁门Python系列前言一、pandas是什么？二、使用步骤1.引入库2.读入数据总结前言提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。提示：以下是本篇文章正文内容，下面案例可供参考一、pandas是什么？示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任
2021-04-18 14:28:27
1325
6
原创 【旁门Python 01】什么是wheel包，如何去用它？
@[TOC](Python冷知识)# 系列文章目录什么是wheel包，如何去用它？目录前言一、初探pip安装过程二、包的发行版（Distribution）1. 什么是发行包？（Distribution Package）2. 什么是源发行版？（Source Distribution/sdist）3. 什么是已编译的发行版？（Built Distribution）三、发行版有什么区别吗？总结欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图
2020-12-09 14:28:08
24131
6
原创 如何编译TensorFlow C++ API/配置一个带TensorFlow C++ API 的Docker镜像（r1.14）
前言对于大部分机器学习爱好者来说，TensorFlow（以下简写为TF）是一个非常好的Python开源机器学习框架。但对于一部分开发者而言，他们经常需要在Python环境下训练自己的模型，然后在C++环境下进行部署。这个部署、测试用的环境常常用Docker。本文针对这样的需求，结合我自己在过程中踩过的坑、熬过的夜，记录一下如何搭建一个带有TensorFlow C++环境的Docker imag...
2019-08-14 14:30:19
1549
3
翻译 特斯拉AI主管Andrej Karpathy的神经网络训练指导
特斯拉AI主管Andrej Karpathy的神经网络训练指导Andrej Karpathy是目前全球顶尖的计算机视觉专家，博士毕业于斯坦福，现就任于特斯拉，担任AI部门主管。在他2019年4月发布的最新博文中，他跟大家分享了他关于训练神经网络的一些心得。本篇就对这篇英文撰写的博文进行翻译，方便各位学习。如有翻译不准确的地方还请指正，我会即刻修改。（本文约9000字）原文地址：http://k...
2019-05-08 17:01:26
802
原创 5.ESL笔记：线性模型与高斯-马尔科夫定理
统计学中有一个非常著名的结果：在所有线性无偏估计中，模型参数ββ\beta的最小二乘估计拥有最小的方差。不过事实上，使用参数的无偏估计并不一定是最好的。有时候我们可能需要采用有偏估计，比如脊回归。我们考虑参数ββ\beta的一个线性组合θ=aTβθ=aTβ\theta = a^T\beta。举个例子，f(x0)=xT0βf(x0)=x0Tβf(x_0)=x_0^T\beta就属于这种形式。则a...
2018-03-30 10:47:38
6038
1
原创 如何在Python中调用MATLAB
最近在实验室做点杂活，一点声音的生成、录音、处理工作。鉴于实验内容需要，不得不找点办法在MATLAB和Python之间建个接口，从Python中调用MATLAB脚本或者是MATLAB的函数。内容不是很难，毕竟现成的接口已经有了，在这儿记录一下API使用的一些事项。注：本篇使用的是MATLAB R2017a，windows 10系统。相关链接https://www.mathworks...
2018-03-21 10:16:28
55189
45
原创 4.ESL笔记：线性回归方法（1）——线性模型&最小二乘
（注：上一篇读书笔记对应翻译到原文的章节2.5。笔者自己翻阅了一下2.6~2.9节的内容，觉得有点絮叨，而且翻译起来也不够直白清爽，所以打算跳过了。这一篇从原书第三章开始，阐述线性模型。笔者自己看完原书对应的内容觉得对最小二乘有更深的认识了，希望看到这篇文章的别人也如此。）简介线性模型一般假设回归模型E(Y|X)E(Y|X)E(Y|X)是输入X1,...,XpX1,...,XpX_1,...
2018-03-16 23:54:53
1808
原创 3.ESL笔记：监督学习综述（3）——维度诅咒
高维情况下的局域方法在上面两篇中，我们提到了，假如说样本的数据总量NNN非常大，那么我们用最近邻方法可以近似出一个最优函数，其等价于理论上的条件数学期望值。（注：具体的内容主要在第二篇里面）但是同时我们也知道我们一般没有那么大的数据集来满足这样的条件。在这一篇里，我们会提到，当处理高维数据的时候，这种方法同样会失效。这种现象被称为维度诅咒（curse of dimensionality)。...
2018-03-15 00:42:51
853
原创 2.ESL笔记：监督学习综述（2）——统计决策论&贝叶斯分类器
(注:笔者觉得这一篇里面的各种变量字母实在是比较繁杂，所以在开头稍微把里面用到的纷杂的变量再梳理一遍。)XXX: 一个ppp维随机变量；xxx: XXX的一次观测值；YYY: 一个1维的随机变量；yyy: YYY的一次观测值；xi,yixi,yix_i,y_i: （训练样本）里面的一个数据点，属于一次观测值；NNN：训练样本的总数;所有带^^\hat{}标记的函数为我们的近似值，...
2018-03-14 09:48:58
490
原创 1.ESL笔记：监督学习综述（1）——从最小二乘和最近邻想开的
（中间跳过了几个例子，感兴趣的可以去看看原书）变量类型与术语对于常见的机器学习模型，我们的变量都有两种类型：定性（qualititative）以及定量（quantitative）的。举个例子，{金毛，哈士奇，腊肠}就属于定性的描述，各种数字类的输出，比如当天的气温，就属于定量化的描述。定性变量有时候也称作分类变量（categorical）或离散变量（discrete）。根据我们的模...
2018-03-13 00:40:37
649
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人