qq_30339595的博客

%matplotlib inlineimport matplotlib.pyplot as pltimport numpy as npimport tensorflow as tffrom tensorflow.python.framework import opsops.reset_default_graph()sess=tf.Session()x_vals=np.linspace

from tensorflow.examples.tutorials.mnist import input_data#载入minist数据集，如果指定地址/path/MNIST_data下么有已经下载好的数据，那么将自动下载mnist=input_data.read_data_sets("C:/Users/jin/Documents/path/MNIST_data/",one_hot=True...

时间限制：1秒 空间限制：65536K 热度指数：1082 算法知识视频讲解题目描述    N<k时，root(N,k) = N，否则，root(N,k) = root(N',k)。N'为N的k进制表示的各位数字之和。输入x,y,k，输出root(x^y,k)的值 (这里^为乘方，不是异或)，2=<k<=16，0<x,y<2000000000，有一半的测试点里 x^y...

时间限制：1秒 空间限制：65536K 热度指数：3478 算法知识视频讲解题目描述编一个程序，读入用户输入的一串先序遍历字符串，根据此字符串建立一个二叉树（以指针方式存储）。 例如如下的先序遍历字符串： ABC##DE#G##F### 其中“#”表示的是空格，空格字符代表空树。建立起此二叉树以后，再对二叉树进行中序遍历，输出遍历结果。输入描述:输入包括1行字符串，长度不超过100。输出描述:可能...

在tensorflow中提供了tf.train.ExponentialMovingAverage来实现滑动平均模型，在初始化时，提供一个衰减率decay，新的值=decay*初始值+（1-decay）*更新的值decay决定了模型更新的速度，越大越慢。为了使模型在训练前期更新得快，每次的衰减率可以是min(decay,(1+step)/(10+step)}ema=tf.train.Exponent...

tensorflow中的变量是张量的一种。定义变量：weights=tf.Variable(tf.random_normal([2,3]),stddev=2)#产生一个2*3的矩阵，矩阵的元素是均值为0，标准差为2的随机数，如果要指定均值，可以用meanbias=tf.Variable(tf.zeros([3]))w2=tf.Variable(weights.initialized_value...

Tensorflow是一个用计算图的形式来表述计算的编程系统每个计算时计算图中的一个节点，就是一个tensor；边表示了节点之间的依赖关系，即flow在tensorflow程序中，系统会维护一张默认的计算图，可以通过tf.get_default_graph来获取当前的计算图import tensorflow as tfa=tf.constant([1.0,2.0],name="a")b=tf....

VGGNET全部使用了3*3的卷积核和2*2的池化核，通过不断加深网络结构来提升性能。从11层到19层都有详尽的性能测试。从A到E的每一级网络加深，但参数量变化不大，因为参数量主要消耗在最后三个全连接层，但训练耗时部分还是卷积。1*1的卷积的意义在于线性变换，没有发生降维。两个2*2的卷积层串联相当于1个5*5的卷积层，3个3*3相当于1个7*7，但是参数量是后者的3*3*3/7*7=55%，而且...

import matplotlib.pyplot as pltimport numpy as npimport tensorflow as tfsess=tf.Session()x_vals=np.linspace(0,10,100)numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)在指

from sklearn import datasetsimport matplotlib.pyplot as pltimport numpy as npimport tensorflow as tfsess=tf.Session()iris=datasets.load_iris()x_vals=np.array([[x[0],x[3]] for x in iris.data])y_

from numpy import *def loadDataset(): datamat=[];labelmat=[] fr=open('jin.txt') for line in fr.readlines(): linearr=line.strip().split() datamat.append([1.0,float(linearr[

1.梯度上升法def gradascent(datamatin,classlabels): datamat=mat(datamatin) labelmat=mat(classlabels).transpose() m,n=shape(datamat) alpha=0.001 maxcycles=500 weights=ones((n,1))

1.使用可用特征的均值代替2.用特殊值代替3.忽略有缺失值的样本4.用相似样本的均值添补5.用另外的机器学习方法预测缺失值6.如果缺的是label,直接丢弃7.logistic Regression一般用0添补缺失值

sklearn.datasets.make_circlessklearn.datasets.make_circles(n_samples=100, shuffle=True, noise=None, random_state=None, factor=0.8)[source]Parameters:n_samples : int, optional

f.matrix_solve(matrix, rhs, adjoint=None, name=None)功能：求线性方程组，matrix*X=rhs。输入：adjoint:是否对matrix转置。例：a = tf.constant([2, -2, -2, 5],shape=[2,2],dtype=tf.float64)RHS=tf.constant([3,10],shape=[

%matplotlib inlineimport matplotlib.pyplot as pltimport tensorflow as tfimport numpy as npfrom sklearn import datasetsfrom tensorflow.python.framework import opsops.reset_default_graph()sess=tf

最小二乘法就是解一个无解的线性方程组要找到解，就要找到a1,a2的一个线性组合，使得组合后的向量刚好等于b。可惜的是任何的a1和a2线性组合，只可能出现在a1,a2所在的平面S上（这个平面S就是传说中的向量空间），但是向量b不在平面S上，如下图。不可能找到解，怎么办呢？无解 —>解出一个最接近的解找不到完美的解，就只能找到一个最接近的解。所以我们想在平面S上找一个最接近向量b的向量...