_wells的博客

Caffe的GPU环境搭建比较复杂，所需依赖如下，本文全部会说明安装方法GNU/Linux x86_64 with kernel version > 3.10Docker >= 1.9 (official docker-engine, docker-ce or docker-ee only)NVIDIA GPU with Architecture > Fermi (2.1)NVIDIA

本文直接从Inception v3的代码实现入手，分析其中值得借鉴的思想首先要知道一个slim的组件，可以给参数自动赋值，可以省去很多操作def inception_arg_scope(weight_decay=0.00004, use_batch_norm=True, ba

本文实践了tensorflow的分布式并行技术Tensor的分布式有几种模式，In-graph replication模型并行，将模型的计算图的不同部分放在不同机器执行；                                 between-graph replication数据并行，每台机器使用完全相同的计算图，但是计算不同的batch数据。此外，还有异步并行和同步

pipeline模块是sklearn中一个可以让你链式操作系一列transformer和estimators的单元。当你需要做一系列数据提取、变换、规则化和训练的操作时往往是非常麻烦的。       第一次参加一些数据竞赛，我会经常以以下的代码模式起手。 _file('data/train.tsv')train_y = extract_targets(train)train_essay

Part 1 在本文中，我们会构造一个RNN接受一个二进制的X序列输入，来预测一个二进制序列Y输出。序列按如下方式构造:输入序列X ： 在时间步t, Xt有一半的几率为0，另一半几率为1，X可能是[1,0,0,1,1,...].输出序列Y :   在时间步t,Yt有50%的几率为0，另一半几率为1。                      如果X(t-3)是1，那

一、综述恶意网页链接的检测方案有很多例如http://fsecurify.com/using-machine-learning-detect-malicious-urls/该文使用了机器学习的方法，仅使用逻辑回归就达到了98.5% 的准确率但是该算法存在一些问题，一个是用TFIDF方法来获取词频，该方法的缺陷就是只能获取单词在整段文字的词频信息，没办法联系上下文，从语境中提取文

Part 2

本文展示了如何使用循环神经网络去估计一个向量序列，我们会使用到LSTM的网络。我在网上找的大多数用到LSTM的例子都是用来解决自然语言处理方面问题的，还没有找到相关的例子可以用在预测连续值序列上，所以写下了本文。所以本文的任务是基于历史观察数据去预测一系列连续的实数。传统的神经网络做不到这一点，但是循环神经网络可以解决该问题，因为他们能够存储历史信息来预测未来事件。