sinat_35257860的博客

Simple Tutorial on SVM and Parameter Tuning in Python and RMachine LearningFebruary 21, 20172Share18IntroductionData classification is a very important task in

原文链接： http://colah.github.io/posts/2015-08-Understanding-LSTMs/RNN基本结构                  上述两图分别为闭环结构和闭环展开结构    RNN相对传统的ANN网络结构实现了信息的保留，具有一定的记忆功能。可以将过去的信息应用到当前的任务中。LSTM基本结构    为完成当前任务如果仅仅需要短期的信息而不需要长期的信...

牛人主页（主页有很多论文代码）Serge Belongie at UC San DiegoAntonio Torralba at MITAlexei Ffros at CMUCe Liu at Microsoft Research New EnglandVittorio Ferrari at Univ.of EdinburghKristen Grauman at UT Au

安装selective search$ pip install selectivesearch读取并显示图片import matplotlib.pyplot as pltimport matplotlib.patches as mpatchesimport selectivesearchfrom skimage import io# img = io.imread('/ho

TensorFlow变量初始化新版本的tensorflow 用global_variables_initializer 代替了0.11 或者更老版本的  initialize_all_variables 详见https://github.com/tensorflow/tensorflow/commit/cbd3cacfb73bbea912b9d01c2540187684f751a7

卸载sudo pip uninstall tensorflow 安装http://www.tensorfly.cn查看TensorFlow版本号PythonImport TensorFlow as tfPrint tf.__vesion__

TF基本概念Graph 表示计算任务Node 可以是Operation也可以是数据存储容器在session的context中执行graph使用tensor表示数据通过variable维护状态使用feed和fetch 为任意操作赋值（arbitrary operation）或者从中获取数据Tensor 类似于numpy 中的数组3# a rank 0 te

在终端中打开Python /home/***/anaconda2/lib/python2.7/site-packages/tensorflow/tensorboard/tensorboard.py" --logdir=path/to/log-directory如果安装了了anaconda一般在这个地址而不在系统默认地址然后到浏览器启动：localhost:6006

vim test.py[in]import tensorflow as tfimport numpy as npx_data = np.float32(np.random.rand(2, 100))y_data = np.dot([0.100, 0.200], x_data) + 0.300b = tf.Variable(tf.zeros([1]))W = tf

scv  函数class sklearn.svm.SVC(C=1.0, kernel='rbf', degree=3, gamma='auto', coef0=0.0, shrinking=True, probability=False, tol=0.001, cache_size=200, class_weight=None, verbose=False, max_iter=-1, deci

梯度下降算法的Python实现http://yphuang.github.io/blog/2016/03/17/Gradient-Descent-Algorithm-Implementation-in-Python/1.梯度下降算法的理解我们在求解最优化问题的时候，需要最小化或最大化某一个目标函数。如线性回归中，就需要最小化残差平方和。某一向量的平方和函数可定义如下

1.2 概率论加法率：P(X)=∑YP(X,Y)P(X)=∑YP(X,Y)乘法率：P(X,Y)=P(Y|X)P(X)=P(Y,X)=P(X|Y)P(Y)P(X,Y)=P(Y|X)P(X)=P(Y,X)=P(X|Y)P(Y)由乘法率可得 Bayes 公式：P(Y|X)=P(X|Y)P(Y)P(X)P(Y|X)=P(X|Y)P(Y)P(X

机器学习笔记简介作者：李金 版本：0.0.1邮件：lijinwithyou@gmail.com机器学习笔记，使用 jupyter notebook (ipython notebook) 进行展示。Github 加载 .ipynb 的速度较慢，建议在 Nbviewer 中查看该项目。目录第一部分来自 Bishop 的经典

KL散度也叫KL距离 也叫相对熵 relative entropy。是描述两个概率分布P和Q差异的一种方法。它是非对称的，这意味着D(P||Q) ≠ D(Q||P)。特别的，在信息论中，D(P||Q)表示当用概率分布Q来拟合真实分布P时，产生的信息损耗，其中P表示真实分布，Q表示P的拟合分布。离散随机变量的两个概率分布P、Q的KL散度定义为：连续随机变量P,Q的KL散度定义为：

转：http://blog.youkuaiyun.com/qq_29540745/article/details/52487832矩阵数据类型:–      CV_(S|U|F)CS = 符号整型  U = 无符号整型  F = 浮点型E.g.:CV_8UC1 是指一个8位无符号整型单通道矩阵,CV_32FC2是指一个32位浮点型

用 Graphlab Create 构建歌曲推荐系统课程简介：Graphlab 是基于C++开发的知名开源推荐系统，支持多种数据结构及数据挖掘算法，用其构建推荐系统步骤简单且效果较好，本节将为大家介绍一下如何用 Graphlab Create 构建一个歌曲推荐系统。课程目标：了解 Graphlab 系统掌握利用 Graphlab 构建推荐系统流程及分析技巧

用TensorFlow 如何显示常量或者变量？话不多说先看代码例子# _*_ coding:utf-8 -*-import numpy as npimport tensorflow as tfa = tf.constant(11,dtype=tf.int32)print(a)# define variablex = tf.Variable(tf.ones([3,3]),dtype=tf.float...