不二的博客

解决方法：pip install 需要安装的包 -i 链接地址--trusted-host 域名如使用阿里云：pip install pymongo -i http://mirrors.aliyun.com/pypi/simple --trusted-host mirrors.aliyun.com国内链接地址：阿里云http://mirrors.aliyun.com/p...

前言直方图均衡化的三种情况,分别是:- 灰度图像直方图均衡化- 彩色图像直方图均衡化- YUV 直方图均衡化插入原图:灰度图像直方图均衡化对直方图均衡化主要使用opencv提供的一个equalizeHist()方法.import cv2import numpy as npimg = cv2.imread("1.jpg", 1)gray = cv2.cvtCol...

VGG-16，输入层224*224*3，经过两层相同的卷积，卷积filter为3*3，stride为1，filter数为64，然后经过一层pooling。接着按照相同的方式，让宽和高越来越小，而通道数逐倍增加，直到512。最后用两层相同全连接加一个softmax。VGG-16的性能与VGG-19差不多，所以基本用VGG-16...

原文地址：huay’ blog/模型中的参数数量（备忘）记录模型参数数量的计算方法最早使用 tensorflow 的时候没怎么注意这个问题；后面高级 API 用的多了，有点忘记怎么计算模型的参数数量了；特此记录以作备忘参数来源模型的参数数量 = 每一层的参数数量之和每一层的参数数量需要由该层的规模（n_units）和上一层的输出（n_features）共同决定全连接层...

cs231n上关于VGG-16模型的内存和参数的计算过程如下。INPUT: [224x224x3] memory: 224*224*3=150K weights: 0CONV3-64: [224x224x64] memory: 224*224*64=3.2M weights: (3*3*3)*64 = 1,728CONV3-64: [224x224x64...

VGG16输入224*224*3的图片，经过的卷积核大小为3x3x3，stride=1，padding=1，pooling为采用2x2的max pooling方式：1、输入224x224x3的图片，经过64个卷积核的两次卷积后，采用一次pooling。经过第一次卷积后，c1有（3x3x3）个可训练参数2、之后又经过两次128的卷积核卷积之后，采用一次pooling3、再经过三次...

之前，有写了一篇博文，【深度学习入门】——亲手实现图像卷积操作介绍卷积的相应知识，但那篇文章更多的是以滤波器的角度去讲解卷积。但实际上是神经网络中该博文内容并不适应。之前的文章为了便于演示，针对的是二维卷积，比如一张图片有 RGB 三个颜色通道，我的方式是每个通道单独卷积，然后将各个通道合成一张图片，再可视化出来。但真实工程不会是这样的，很多东西需要进一步说明白。熟悉 TensorFlow...

深度学习中有一个很重要的概念就是卷积神经网络 CNN,卷积神经网络中又有卷积层、池化层的概念。尤其是卷积层，理解难度比较大，虽然书中或者是视频中都有详细介绍过它的基础概念，但对于求知欲望很强烈的我，我总心里痒痒的，总想亲手实现，看看效果，怕的就是自己会眼高手低，做技术人最可怕的就是眼高手低。所以，我打算用 python 来亲自验证一遍。什么是卷积？卷积（convolution）是数学知识，...

数据、算法和算力构成了人工智能的三大要素

链接：原文原本联盟准备等笔记集中以后再和大家分享，后来想了一下，先拿一部分笔记和大家一起分享，共同学习。这个笔记都是A4纸写的，也是机器扫描版，我并没有将下面空白截图，也就方便留档打印，由于很久没有写字，所以字体请大家海涵！谢谢！ 手推笔记...

我的偶像网上关于各种降维算法的资料参差不齐，同时大部分不提供源代码。这里有个 GitHub 项目整理了使用 Python 实现了 11 种经典的数据抽取(数据降维)算法，包括：PCA、LDA、MDS、LLE、TSNE 等，并附有相关资料、展示效果;非常适合机器学习初学者和刚刚入坑数据挖掘的小伙伴。为什么要进行数据降维?所谓降维，即用一组个数为 d 的向量 Zi 来代表个数为 D 的...

说明：关于本书:《Python机器学习》 本笔记侧重代码调用，只描述了一些简单概念，本书的公式推导不在这里展示 接上文 特征抽取可以将原始数据集变换到一个维度更低的新的特征子空间，在尽可能多地保持相关信息的情况下，对数据进行压缩。3. 核主成份分析 Kernel Principle Component Analysis3.1 简单介绍现实世界中，并不是所有数据都是...

协方差代表了两个变量之间的是否同时偏离均值。如果正相关，这个计算公式，每个样本对（Xi, Yi）,　每个求和项大部分都是正数，即两个同方向偏离各自均值，而不同时偏离的也有，但是少，这样当样本多时，总和结果为正。下面这个图就很直观。下面转载自：http://blog.youkuaiyun.com/wuhzossibility/article/details/8087863 在概率论中，两个随机变...

逻辑回归是解决分类问题的最常用算法，不过常常也让人摸不着头脑。下面10道题带你简单了解逻辑回归算法背后的“逻辑”。逻辑回归模型1.逻辑回归是监督机器学习的算法吗？答案：是。逻辑回归之所以是监督机器学习的算法，原因在于它使用了真值对数据进行训练。监督机器学习训练模型时会有输入变量X和目标变量Y。 2.逻辑回归主要用来做回归吗？答案：错。逻辑回归是分类算法，不要被它的名字给...

今天，我们将进一步为大家讲解将知识图谱特征学习引入到推荐系统的各种思路与实现方法。将知识图谱作为辅助信息引入到推荐系统中可以有效地解决传统推荐系统存在的稀疏性和冷启动问题，近几年有很多研究人员在做相关的工作。目前，将知识图谱特征学习应用到推荐系统中主要通过三种方式——依次学习、联合学习、以及交替学习。依次学习（one-by-one learning）。首先使用知识图谱特征学习得到实体向量和...

原文出处： 韩昊   http://blog.jobbole.com/70549/ 1 2 3 4 5 6 7 8 9 10 作 者：韩 昊 知 乎：Heinrich 微 博：@花生油工人 知乎专栏：与时间无关的故事   谨以此文献给大连海事大学的吴楠老师...

“傅里叶”这个名字，相信很多人听到之后，一定都会觉得血液凝固、两腿发抖。。。在理工科大学生“恐惧”排行榜中，我相信傅爷一定稳居前三。是的，没错，在我们最痛恨的灭绝级专业课中，“傅里叶”这三个字是出现频率最高的。傅里叶变换、傅里叶积分、傅里叶级数，傅里叶分析……每一个都会让你陷入极度的痛苦之中无法自拔。。。不过大家放心，今天这篇文章绝对不会让大家恐惧。科普君要讲的，是傅爷...

1.安装Anaconda选择相应的Anaconda进行安装，下载地址点击这里，下载对应系统版本的Anaconda，官网现在的版本是Anaconda 4.3.1 for python3.6。笔者安装的是4.3.0版本的。 就和安装普通的软件一样，全部选择默认即可，注意勾选将python3.6添加进环境变量。 这样Anaconda就安装好了，我们可以通过下面的命令来查看Anaco...

变量的不确定性越大，熵也就越大，把它搞清楚所需要的信息量也就越大。信息熵是信息论中用于度量信息量的一个概念。一个系统越是有序，信息熵就越低；反之，一个系统越是混乱，信息熵就越高。所以，信息熵也可以说是系统有序化程度的一个度量。...

【伯乐在线导读】：前段时间，作者在 stats.stackexchange.com（译注：国外的一个系列问答网站，其中Stack Overflow是其中一个子站）看到一个很有意思的问题，引起了他的注意。经过阅读和分析 StackExchange 上的所有答案后，他觉得有必将其想法写下来。以下是 StackExchange 上的问题：人工智能、机器学习、统计学和数据挖掘有什么区别？是否可...

本来我以为不需要解释这个问题的，到底数据挖掘(data mining)，机器学习(machine learning)，和人工智能(AI)有什么区别，但是前几天因为有个学弟问我，我想了想发现我竟然也回答不出来，我在知乎和博客上查了查这个问题，发现还没有人写过比较详细和有说服力的对比和解释。那我根据以前读的书和论文，还有和与导师之间的交流，尝试着说一说这几者的区别吧，毕竟一个好的定义在未来的学习和交...

马尔可夫链 （Markov Chain）是什么鬼 - 红猴子的文章 - 知乎 https://zhuanlan.zhihu.com/p/26453269“随机过程随机过，实变函数学十遍，微机原理闹危机，汇编语言不会编”1. 唯一让我彻底蒙圈的课程这些课程真的太难了，大学里无数人为此伤透了脑筋，挂科率杠杠的。我当初也是的，特别是随机过程这门课，上完了一学期的课，只记住了几个公式，问我干...

 Deep Learning with Python 4.5节1. 定义问题并装载数据集(Defining the problem and assembling a dataset)首先，你必须定义你手头的问题：输入数据是什么？你希望预测什么？只有在能够获得训练数据的情况下你才能进行预测：举个例子，如果你同时又电影的影评和对应的情感注释，你只能从中学习分类电影影评的情绪。因此，数据可用...

打开一些神经网络的网络描述文件，可以看到不同的层，其中就有一种层的类型，叫做ReLU。今天正好有小伙伴问起，虽然是基础部分但是还是来总结一下吧。首先看网络结构描述的形式：​layer {  name: "conv1"  type: "Convolution"  bottom: "data"  top: "conv1"  param {    lr_mult: 1  }  p...

1. sigmoid激活函数sigmoid将一个实数输入映射到[0,1]范围内，如下图（左）所示。使用sigmoid作为激活函数存在以下几个问题：梯度饱和。当函数激活值接近于0或者1时，函数的梯度接近于0。在反向传播计算梯度过程中：δ(l)=(W(l))Tδ(l+1)∗f′(z(L))δ(l)=(W(l))Tδ(l+1)∗f′(z(L))，每层残差接近于0，计算出的梯度也不可避免地接近于0。...

1.1 基本结构说明： 1.1 基本结构 说明： 通常一个神经网络由一个input layer，多个hidden layer和一个output layer构成。 图中圆圈可以视为一个神经元（又可以称为感知器） 设计神经网络的重要工作是设计hidden layer，及神经元之间的权重 添加少量隐层获得浅层神经网络SNN；隐层很多时就是深层神经网络DNN1.2 从逻辑...

1. 引言在深度学习十分火热的今天，不时会涌现出各种新型的人工神经网络，想要实时了解这些新型神经网络的架构还真是不容易。光是知道各式各样的神经网络模型缩写（如：DCIGN、BiLSTM、DCGAN……还有哪些？)，就已经让人招架不住了。因此，这里整理出一份清单来梳理所有这些架构。其中大部分是人工神经网络，也有一些完全不同的怪物。尽管所有这些架构都各不相同、功能独特，当我在画它们的节点图时…...

来自：https://zhuanlan.zhihu.com/p/32953163人工智能中涉及的算法太多，就机器学习中用到的也不少，如何才能选择合适的算法？That is the question. 下来笔者就带领大家看看都有哪些算法，以及如何选择。 本文的大纲：一，从机器学习问题角度分类二，从算法的功能角度分类三，机器学习算法决策树----------------...

1、专门做人数统计数据集 http://www.ee.cuhk.edu.hk/~xgwang/王小刚 2、http://personal.ie.cuhk.edu.hk/~ccloy/download.html 有CUHK Crowd Dataset数据集 吕健勤 3、http://vcis.ahu.edu.cn:8080/安徽大学，这个数据集已经给了标注 4、http://blog.csd...

BP网络主要用于以下四个方面。1)函数逼近：用输入向量和相应的输出向量训练一个网络逼近一个函数。2)模式识别：用一个待定的输出向量将它与输入向量联系起来。3)分类：把输入向量所定义的合适方式进行分类。4)数据压缩：减少输出向量维数以便于传输或存储。...

神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络(ArtificialNuearlNewtokr)s,是对人类大脑系统的一阶特性的一种描。简单地讲,它是一个数学模型。神经网络模型由网络拓扑．节点特点和学习规则来表示。神经网络对人们的巨大吸引力主要在下列几点：1．并行分布处理。2．高度鲁棒性和容错能力。3．分布存储及学习能力。4．能充分逼近复杂的非线性关系。 在神...

Sigmoid函数是一个在生物学中常见的S型函数，也称为S型生长曲线。 在信息科学中，由于其单增以及反函数单增等性质，Sigmoid函数常被用作神经网络的阈值函数，将变量映射到0,1之间。 中文名Sigmoid函数外文名Sigmoid function别    名S型生长曲线用    途用作神经网络的阈值函数Sigmoid函数由下列公式定义其对x...

作者：李嘉璇链接：https://www.zhihu.com/question/49909565/answer/169949155来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。 下面就来详细介绍一下这7个步骤。1．学习或者回忆一些数学知识因为计算机能做的就只是计算，所以人工智能更多地来说还是数学问题。我们的目标是训练出一个模型，用这个模型去进行一...

 Deep Learning with Python1. 定义问题并装载数据集(Defining the problem and assembling a dataset)首先，你必须定义你手头的问题：输入数据是什么？你希望预测什么？只有在能够获得训练数据的情况下你才能进行预测：举个例子，如果你同时又电影的影评和对应的情感注释，你只能从中学习分类电影影评的情绪。因此，数据可用性是这个阶...

作者：颜沁睿链接：https://www.zhihu.com/question/22334626/answer/103835591 这是一个单层的感知机, 也是我们最常用的神经网络组成单元啦. 用它可以划出一条线, 把平面分割开那么很容易地我们就会想用多个感知机来进行组合, 获得更强的分类能力, 这是没问题的啦~~~~如图所示,那么我们动笔算一算, 就可以发现, 这样一...

cs224d-Day 6: 快速入门 Tensorflow本文是学习这个视频课程系列的笔记，课程链接是 youtube 上的，讲的很好，浅显易懂，入门首选， 而且在github有代码，想看视频的也可以去他的优酷里的频道找。Tensorflow 官网神经网络是一种数学模型，是存在于计算机的神经系统，由大量的神经元相连接并进行计算，在外界信息的基础上，改变内部的结构，常用来对输入和输出...

来自：https://zhuanlan.zhihu.com/p/28992175你在工作、学习中是否曾因信息过载叫苦不迭？有一种方法能够替你读海量文章，并将不同的主题和对应的关键词抽取出来，让你谈笑间观其大略。本文使用Python对超过1000条文本做主题抽取，一步步带你体会非监督机器学习LDA方法的魅力。想不想试试呢？  淹没每个现代人，几乎都体会过信息过载的痛苦。文章读...

来自：https://zhuanlan.zhihu.com/p/31196728如果你对深度学习感兴趣，推荐以下学习资源。首先是教材。第一本是Deep Learning，绝对的经典。  第二本是Hands-On Machine Learning with Scikit-Learn and TensorFlow: Concepts, Tools, and Techniqu...

Deep learning本身算是machine learning的一个分支，简单可以理解为neural network的发展。　Deep learning与传统的神经网络之间有相同的地方也有很多不同。 　二者的相同在于deep learning采用了神经网络相似的分层结构，系统由包括输入层、隐层（多层）、输出层组成的多层网络，只有相邻层节点之间有连接，同一层以及跨层节点之间相互无连接，每一...

出现背景： 从左至右来看，第一个模型是一个线性模型，拟合度很低，也称作欠拟合（Underfitting），不能很好地适应我们的训练集；第三个模型是一个高次方的模型，属于过度拟合，虽然能很好的适应我们的训练数据集，但是在新输入变量进行预测的时候，可能效果会很差。第二个模型可能是刚刚适合我们数据的模型。那么问题来了，如果我们发现这样过度拟合的情况，如何处理呢？有两种方式：1.丢...