- 博客(22)
- 收藏
- 关注
原创 JavaWeb--Session
Session什么是Session:- 服务器会为每一个用户(浏览器)创建一个Session对象- 一个Session独占一个浏览器,只要浏览器没有关闭,这个session就一存在- 用户登录后,这个网站的页面都可以访问–》保存用户的信息,购物车信息创建Session //解决乱码问题 req.setCharacterEncoding("UTF-8"); ...
2020-02-17 21:33:23
254
原创 SpringMVC响应数据,结果视图和文件上传
SpringMVC响应数据和结果视图返回值分类返回字符串Controller方法返回字符串可以指定逻辑视图的名称,根据视图解析器为物理视图地址@RequestMapping("/testString") public String testString(Model model){ System.out.println("Hello SpringMV...
2020-01-15 18:40:18
380
原创 SpringMVC注解
SpringMVC注解简单注解@RequestMapping("/hello") public String sayHello(){ System.out.printf("hello StringMVC"); return "success"; }所对应的.jsp文件<a href="hello">入门级别</a>...
2020-01-15 08:43:02
183
原创 shell
shell预定义变量$$:表示当前的进程号PID$! :后台运行的最后一个进程的进程号PID$?:返回最后一次执行的命令的返回状态。如果这个变量的值为0,证明上一个命令正确执行,如果这个变量的值为非0(具体哪个数,由命令自己来决定),则证明上一个命令执行不正确运算符1)$((运算符)) 或 KaTeX parse error: Undefined control sequence: ...
2020-01-07 18:06:25
231
原创 docker
Docker基本使用docker images 列出本地的镜像-a :列出本地的所有镜像-q : 只显示镜像的id-digests : 显示镜像的摘要信息-no-trunc : 显示完整的镜像信息docker search 搜索某个镜像-s 30 : docker search -s 30 tomcat 显示镜像tomcat的stars大于30个的docker ps :...
2019-12-23 17:04:31
194
原创 神经网络实战之Fashion-MNIST
Fashion-MNIST 时尚物品数据集训练集为 60,000 张 28x28 像素灰度图像,测试集为 10,000 同规格图像,总共 10 类时尚物品标签。该数据集可以用作 MNIST 的直接替代品。类别标签是Keras 的核心数据结构是 model,一种组织网络层的方式。最简单的模型是 Sequential 顺序模型,它由多个网络层线性堆叠该Sequential模型是层的线性堆栈,通...
2019-10-25 16:47:49
2170
1
原创 2.线性回归
线性回归线性回归算法是使用线性方程对数据集进行拟合的算法,是一个非常常见的回归算法何为线性回归是有监督学习,因为要求我们提供样本和标签且输出/预测的结果y是连续值变量需要到一个映射f: X -> y在此条件下假设输入X和输出y之间有线性相关关系测试/预测阶段对于给定的X, 预测其输出:y = f(X)单变量y = Xw + b多变量线性关系就会有正相关...
2019-10-18 11:52:16
324
原创 1.机器学习概要
机器学习概要概念机器学习即让计算机在没有被显式编程的情况下,具备自我学习的能力。另一解释:就是把无序的数据转换成有用的信息例如:对于垃圾邮件,当某几个特定单词同时出现时,再辅以考察邮件长度及其他因素,人们可以准确的判断该邮件是否为垃圾邮件范围机器学习横跨计算机科学、工程技术和统计学等多个学科基本概念:样本X(training Data) :描述/观测维度/特征数据中的每一行...
2019-10-18 10:48:28
330
原创 17.链式法则
链式法则神经网络上的公式:通过使用链式法则就可以把最后一层的误差,一层层的输出到中间层的权值上面去,从而得到中间层的一个梯度信息。通过这个梯度信息就能很好的更新这个权值,从而到达一个最优化的效果。链式法则表达形式:链式法则原则基础原则乘积原则除法原则链式法则 对于一个比较简单的线性层直接相加的话,可以直接展开得到关于关于求导数的表达式,但是对于实际的神经网络和激活函数来...
2019-10-14 21:27:49
1535
原创 16.感知机及其梯度
感知机及其梯度1.单输出感知机及其梯度单层感知机模型y = X*W + by = sum( Xi * Wi + b)大体描述loss对节点的求导总结代码实现import tensorflow as tfimport osos.environ['TF_CPP_MIN_LOG_LEVEL']= '2'x = tf.random.normal([1,3])w = tf....
2019-10-13 18:28:43
333
原创 15.损失函数及其梯度
损失函数及其梯度损失函数1.Mean Squared Error均方差(MSE)2.Cross Entropy Loss交叉熵损失(分类误差)即可用于binary二分类也可用于multi-class多分类搭配softmax激活函数在Logistic Regression Part(逻辑回归部分)中使用MSE线性感知机下的梯度求导情况全连接层的MSE梯度求导...
2019-10-13 15:30:52
2671
原创 14.激活函数及其梯度
激活函数及其梯度阈值函数:神经元机制不是简单的各个输入的加权求和,它存在阈值响应机制,只有在阈值大于某个值是它才会输出,而且输出的电压值是固定的神经网络中的每个神经元节点接受上一层神经元的输出值作为本神经元的输入值,并将输入值传递给下一层,输入层神经元节点会将输入属性值直接传递给下一层(隐层或输出层)。在多层神经网络中,上层节点的输出和下层节点的输入之间具有一个函数关系,这个函数称为激活函数...
2019-10-10 20:55:41
1991
1
原创 13.梯度下降
梯度下降导数代表函数沿着某一方向变动的范围,是更高层更通用的概念。偏微分是函数沿着某一具体的轴进行变动的范围,是一个标量(含有方向)梯度是指把函数所有轴上的偏微分合在一起得到一个向量梯度的意义:梯度的方向代表函数增大的方向,梯度的模大小代表增大的速率梯度的利用寻找函数的最小值求函数的全局最小值点利用TensorFlow自动求解梯度,自动更新参数With Tf.Gradie...
2019-10-10 20:45:10
1163
原创 8.张量排序,填充与复制
8.张量排序,填充与复制I. 张量排序1.tf.sort/argsort()通过设置参数direction为DESCENDING则为降序排列,默认为升序排列tf.sort(values,axis=-1,direction=‘ASCENDING’):对某一维度排序,tf.argsort(values,axis=-1,direction=‘ASCENDING’):排序索引,得到排序后的索引...
2019-10-10 19:12:48
427
原创 7.数据统计
7.数据统计1.tf.norm() 张量的范数(向量的范数)张良的范数包括向量范数和矩阵范数,这里只讨论向量范数Vertor Norm 向量范数二范数:所以元素的平方和再开方无穷范数:元素中间最大一个值的绝对值一范数:元素绝对值之和tf.norm(tensor, ord=‘euclidean’, axis=None)tensor:为待计算范数的输入ord:指定计算哪种范数,默认...
2019-10-07 15:00:00
288
原创 6.合并与分割
合并与分割Merge and split 接口合并:tf.concat和tf.stack分割:tf.split和tf.unstackconcat-Statistics about scores[class1-4, students, scores][class5-6, students, scores]例如:6个班级每班35个学生每个学生8门成绩,让2个同学收集成绩单,第1个学生...
2019-10-03 23:20:23
956
原创 5.数学运算
5.数学运算运算类型element-wise 元素相关、matrix-wise 矩阵相关@ matmuldim-wise 维度相关reduce_mean/ max/ min/ sum一. element-wise 元素相关+ - * / % //In [47]: a=tf.ones([2,2])In [49]: b=tf.fi...
2019-09-22 22:36:04
190
原创 4. Broadcasting机制
4. Broadcasting 机制张量维度扩张的一个手段,对一个数据重复n多次,但是没有在数据层面上的复制Key ideainsert 1 dim ahead if needed需要位置插入 1 dim。espand dims with size 1 to same size给 dim 为 1 的扩展成所需的数量例如:Feature maps: [4, 32, 32, 3]变...
2019-09-22 20:50:01
452
原创 3.维度变换
3.维度变换View视图[ b, 28, 28 ][ b, 28 * 28 ][ b, 2, 14 * 28 ][ b, 28, 28, 1 ]这4个View不同,但是原来的content不变In [4]: a =tf.random.normal([4,28,28,3])In [8]: a.shape,a.ndimOut[8]: (TensorShape([4, 28, 28,...
2019-09-22 14:43:51
458
原创 2.索引切片
2.索引切片TensorFlow索引切片的方式方法与Numpy类似,但又比较简洁In [4]: a=tf.random.normal([4,28,28,3])In [6]: a[1].shapeOut[6]: TensorShape([28, 28, 3])In [7]: a[0].shape #与a[1].shape相同Out[7]: TensorShape([28...
2019-09-21 23:50:35
195
原创 1.Tensorflow基础
1.Tensorflow基础关于TensorflowTensorFlow™ 是一个采用数据流图(data flow graphs),用于数值计算的开源软件库。节点(Nodes)在图中表示数学操作,图中的线(edges)则表示在节点间相互联系的多维数据数组,即张量(tensor)。它灵活的架构让你可以在多种平台上展开计算,例如台式计算机中的一个或多个CPU(或GPU),服务器,移动设备等等。数...
2019-09-21 13:44:35
252
原创 Numpy入门基础
Numpy入门基础基础知识基础属性例array的创建例如基本操作索引,切片和迭代形状操纵改变数组的形状堆叠不同的数组副本和视图完全没有复制浅拷贝和深拷贝花式索引和索引技巧使用索引数组进行索引使用布尔数组进行索引基础知识numpy的主要对象是同构多维数组,它是一个元素表,表中的元素类型都要相同,由非负整数元组索引。基础属性NumPy中的array又名ndarray,numpy.array与...
2019-09-04 21:35:28
200
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人
RSS订阅