数据融合与机器学习

Ubuntu 1、Ctrl+Alt+T 打开shell 2、常用命令tar   mkdir    cp     cd    rm    sudo   ls 3、 Tensorflow 1、几个关键网址 https://www.tensorflow.org/install/install_windows官网 https://wenku.baidu.com/view/2fd166f0

一、设计目的：进行1-100以内的质数分类 二、设计思路： 1、生成1-100以内的数和对应二进制 2、对质数部分进行label为1，其余为0 3、选择前60组作为training数据，后40组testing 4、选择三层神经网络，其中hidden和output部分使用sigmoid函数 三、代码实现： 1、测试数据生成函数 function f = dataset

作为tensorflow里的正态分布产生函数，这两个函数的输入参数几乎完全一致， 而其主要的区别在于，tf.truncated_normal的输出如字面意思是截断的，而截断的标准是2倍的stddev。 举例，当输入参数mean = 0 ， stddev =1时， 使用tf.truncated_normal的输出是不可能出现[-2,2]以外的点的， 而如果shape够大的话，

代码中对于GradientDescentOptimizer和AdamOptimizer进行了简单比较。 import tensorflow as tf import numpy as np from tensorflow.examples.tutorials.mnist import input_data mnist = input_data.read_data_sets("MNIST_da

此处取两个例子，其一，jpg类型图片数据，其二，mat类型matlab数据格式。 一、jpg图片的读取 这里提几个关键点，1是jpeg_decode的输出是一个tensor型数据，在code里叫做image，如果要查看他可以直接使用tensorboard来看，见第一段代码，但是在我实测中有一个问题就是对该tensor类数据调用get_shape方法输出是(?,?,?)，这非常奇怪；2是imag

function test_script x = [0,0,1;0,1,1;1,0,1;1,1,1]; y = [0,1,1,0]'; for power = 1:5 alpha = 10^(-3+power) %Output of function rand() in area (0,1) with mean = 0.5 distribution %Do the