Gavin's Blog

前面一些软件下载和基础搭建工作可见另一篇博文<(机器学习)Windows系统下的Tensorflow-gpu配置>Pytorch配置找到新安装的Anaconda中的Prompt，管理员身份打开：创建一个虚拟环境（在此环境内可以任意配置而不会影响系统的环境）conda create -n 环境名 -c 镜像源（python版本）用户安装的不同python环境都会被放在目录~/anaconda/envs下，可以在命令中运行conda info -e查看已安装的环境，当前被激活的环

Python并行处理数据的解决方案使用Python写CUDA程序有两种方式：NumbaPyCUDA实验操作：取随机数复制x次1.NumbaNumba通过及时编译机制（JIT）优化Python代码，Numba可以针对本机的硬件环境进行优化，同时支持CPU和GPU的优化，使Python代码可以在GPU上运行：使用Numba，python可以做并行计算，开启多线程，忽略GIL动态锁。...

循环神经网络(Recurrent Neural Network，RNN)现实生活中，我们输入的向量往往存在着前后联系，即前一个输入和后一个输入是有关联的，比如文本，语音，视频等，因此，我们需要了解深度学习中的另一类重要的神经网络，那就是循环神经网络(Recurrent Neural Network，RNN).循环神经网络(Recurrent Neural Network，RNN)依赖于一个重要...

逻辑回归比较经典的分类算法，目前工业界用到的最多的模型，很多场景下，都会用到逻辑回归。学习输入到输出的映射f:X→Yf:X \rightarrow Yf:X→YXXX:输入YYY:输出定义条件概率 P（Y∣X）P（Y|X）P（Y∣X），如何去表示 P（Y∣X）P（Y|X）P（Y∣X）,这相当于用模型来捕获输入X和输出Y之间的关系。条件概率P（Y∣X）P（Y|X）P（Y∣X）需要满足两个...

在Tensorflow也有一段时间了，今天在新配置的电脑上配置tensorflow-gpu，决定把过程通过csdn记录一下软件下载我所用到的软件如下图所示，都可以在官网下载到，这里就不在赘述。需要注意的是：Tensorflow 和 cuda、cudnn有一个版本对应，下载时候需要区别:软件安装AnacondaPython易用，但用好却不易，其中比较头疼的就是包管理和Python不同...

朴素贝叶斯1．朴素贝叶斯法是典型的生成学习方法。生成方法由训练数据学习联合概率分布 P(X,Y)P(X,Y)P(X,Y)，然后求得后验概率分布P(Y∣X)P(Y|X)P(Y∣X)。具体来说，利用训练数据学习P(X∣Y)P(X|Y)P(X∣Y)和P(Y)P(Y)P(Y)的估计，得到联合概率分布：P(X,Y)＝P(Y)P(X∣Y)P(X,Y)＝P(Y)P(X|Y)P(X,Y)＝P(Y)P(X∣Y)...

k近邻法1．kkk近邻法是基本且简单的分类与回归方法。kkk近邻法的基本做法是：对给定的训练实例点和输入实例点，首先确定输入实例点的kkk个最近邻训练实例点，然后利用这kkk个训练实例点的类的多数来预测输入实例点的类。2．kkk近邻模型对应于基于训练数据集对特征空间的一个划分。kkk近邻法中，当训练集、距离度量、kkk值及分类决策规则确定后，其结果唯一确定。3．kkk近邻法三要素：距离度量、...

感知机二分类模型f(x)=sign(w∗x+b)f(x) = sign(w*x + b)f(x)=sign(w∗x+b)损失函数 L(w,b)=−Σyi(w∗xi+b)L(w, b) = -\Sigma{y_{i}(w*x_{i} + b)}L(w,b)=−Σyi​(w∗xi​+b)算法随即梯度下降法 Stochastic Gradient Descent随机抽取一个误分类点使其梯度下...

将之前写过的代码进行一下整理和汇总：ANN训练Mnist使用TensorFlow框架和手写数字识别数据集MNIST训练，运行环境为Python3.6、TensorFlow1.8。完整代码已经上传github神经网络搭建过程总结如下：step1.超参数设定：如学习率、权重衰减、动量。Learning_RATE=0.1MOMENTUM = 0.9WEIGHT_DECAY = 0.000...