qq_41567413的博客

dropout的原理传送：https://microstrong.blog.youkuaiyun.com/article/details/80737724数据集为手写数据集，设计网络模型的时候，添加两层dropout层，每500条训练数据之后，验证测试集。import osos.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'import tensorflow as tffrom tensorflow.keras import datasets, layers, opt

tensorflow2 正则化主要是防止过拟合，用标准写法

validation_data和validation_batch_size一起用或者validation_data和validation_freq一起用

tensorflow2 模型保存model.save('mnist_model')，参数保存 model.save_weights('weights')

拿手写识别来说，1.按照tensorflow1的思路，2.按照tensorflow2的思路用compile()和fit()

在DRL中遇到的函数：tensorflow中：tf.expand_dims()函数在numpy中：np.newaxisa=np.array([1,2,3,4,5])aa=a[np.newaxis,:]print(aa.shape)print (aa)np.clip(list,val1,val2)a=0.2var = 3a = np.clip(np.random.normal(a,var),-2,2) ''' np.clip..

手写数字识别，TensorFlow2.1，keras

LSTM, Keras, Random walk model, 概率预测

1 问题描述如图，要求求从顶点0到顶点5的路径，使用Qlearning算法，收敛得出的结果是0-4-5，这个和找迷宫很像。这个其实是之前看的博客关于Qlearning的，原图是走房间的，但是只记住了这个无向图，又刚刚从莫烦大神的视频过来，用这个练练手。2 解题思路2.1Qlearning首先了解Qlearning的算法过程：初始化：Q_table选择某个动作的状态初始值置为0，本算法在创建Q表的时候，先判断Q表中是否有这个状态s，如果没有则添加进去，且选择的动作的值函数置为0，如

参数类型 返回值 来源 range()和arrange() range(start,end,stepsize) int list python内置 numpy.arrange(start,end,stepsize) 可以是小数，步长也可为小数 array numpy包 list和array list 混合 python内置 arrary 所有参数类型必须相同 numpy...

pandas中DataFrame的行列取值操作

问题描述有K个摇臂赌博机，赌徒在投入一个硬币后，从K个摇臂机中随机选择一个按下，每个摇臂机以某概率吐出一定数量的硬币，这个概率赌徒并不知道，赌徒通过多次尝试，获得最大的利益。...

1958，David Hubel 和Torsten Wiesel研究瞳孔区域与大脑皮层神经元的对应关系，发现了“方向选择性细胞”，对后来的人们研究神经系统如何工作有了提示：神经-中枢-大脑，促成计算机人工智能。到后来的20世纪90年代，浅层的机器学习方法：SVM，boosting，逻辑回归等被提出。在2006，Geoffrey Hinton和Ruslan Salakhutdinov发表在《科学》上的文章让DL掀起浪潮。浅层次的ML方法可以看作一层的隐藏层的DL，多层的DL可以用较少的参数表征复杂的函数，

没有设置偏置，当测试的次数达到600次的时候，正确率有98%，大概再1100次的时候，出现过拟合，正确率下降。数据集也附上啦。#include<fstream>#include<sstream>#include<cmath>#include<cstdlib>#include<vector>#include<time.h>#include<iostream>using namespace std;#de.