- 博客(46)
- 收藏
- 关注
RSS订阅原创 windows环境下安装theano
1.创建python2.7虚拟环境cd C:\ProgramData\Anaconda3\envsconda create -n th_py2 python=2.72.安装minGW，libpython激活虚拟环境activte th_py2安装minGW，libpythonconda install mingw libpython3. 安装theanoconda inst...
2018-12-16 00:42:00
3031
原创 ubuntu下用anaconda安装theano
1.创建虚拟环境 conda create -n th_py2 python=2.72. 安装theanoconda install theano默认安装1.0版本3.配置GPU各种采坑……运行下列命令，配置theanorc文件vi ~/.theanorc在其中编写[global]floatX=float32device=gpuoptimizer=fast_c...
2018-12-15 23:51:44
1600
原创 用Anaconda管理ubuntu虚拟环境
1.安装anaconda下载地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/我下载安装的是 Anaconda3-5.1.0-Linux-x86_64.sh，对应Python3.6cd到下载目录下： bash Anaconda3-4.4.0-Linux-x86_64.sh最后询问是否将 Anaconda 的 bin 添加到...
2018-12-15 15:37:45
2387
转载 安装caffe后，打开pycharm使用python3.exe报R6034解决办法
参考资料：https://stackoverflow.com/questions/14552348/runtime-error-r6034-in-embedded-python-application以下文字引自 Michael Cooper Stack overflowI found the solution to the problem. Hopefully this will help...
2018-11-27 15:57:14
549
原创 Windows Caffe python接口配置
配置Python接口1、 修改CommonSettings.props文件，PythonSupport改为true，PythonDir写入python.exe文件路径。<PythonSupport>true</PythonSupport> <PythonDir>C:\ProgramData\Anaconda3\envs\ana_py2\</Pytho...
2018-11-26 16:30:16
862
原创 Caffe安装测试——mnist训练
mnist训练一、下载mnist数据集二、处理数据三、修改配置文件四、训练和测试一、下载mnist数据集下载地址：http://yann.lecun.com/exdb/mnist/我们需要下载的是如图4个压缩包：将下载的数据集放在caffe-master\data\mnist下，并解压。二、处理数据我们需要将原始数据处理成lmdb数据文件。在caffe-master下创建一个wind...
2018-11-26 15:34:26
425
原创 Windows10+CPU_only+VS2013+Anaconda2/3+Caffe安装配置
Windows10下CPU_only Caffe的安装一、安装Anaconda二、安装Visual Studio 2013三、下载Windows版本的Caffe四、编译Caffe五、测试六、配置Python接口参考资料一、安装Anaconda由于我电脑已经安装了Anaconda3，所以这里介绍Anaconda2、3同时安装的方法。各个版本的Anaconda下载地址：https://repo.c...
2018-11-25 21:34:23
787
原创 Ubuntu18.04Nvidia驱动、CUDA、cuDNN及tensorflow-gpu安装
一、nvidia驱动安装1、删除先前驱动apt-get remove --purge nvidia*2、把nouveau驱动加入黑名单sudo nano /etc/modprobe.d/blacklist-nouveau.conf在blacklist-nouveau.conf文件中加入以下：blacklist nouveaublacklist lbm-nouveau...
2018-10-09 14:55:28
1685
原创 CS224n课程笔记（二）——词向量表示：word2vec
一、词义表示在计算机中，我们如何去表示一个单词呢？在传统的NLP算法中，我们将单词表示为离散的符号，那么这些单词就可以用one-hot向量来表示。在向量的某一位置为1，其余位置为0。这样的向量会非常长。那么这样表示的问题在于它没有给出词汇之间的内在关系。单词向量之间是互相垂直的，我们没有办法计算它们之间的相似性。...
2018-08-23 19:28:18
746
2
原创 CS224n课程笔记（一）——深度自然语言处理
一、自然语言处理一般来说语言的处理过程分为以下几步：而中间的两步，句法分析和语义分析是我们自然语言处理课程的主要内容。以下列出的是NLP的一些应用：近些年，NLP在工业应用上取得了巨大的成功：在讲到深度学习之前，我们先来构建一些概念。一般来说信号处理、数据挖掘等等都只是处理数据，从一堆随机数据里面找出规律等等。但人类语言并不是大量的数据，让你把它变成有用的信息。...
2018-08-09 15:13:09
3212
原创 Tensorflow学习笔记（六）——数据操作常用函数总结
参考资料：https://segmentfault.com/a/1190000008793389Tensorflow数据操作常用函数总结一、张量变换1.1 数据抽取tf.gather(params, indices, validate_indices=None, name=None)：按照指定的下标集合从axis=0中抽取子集，适合抽取不连续区域的子集tf.slic...
2018-08-01 15:47:23
245
原创 小试牛刀——协同滤波（SVD、Item-based）代码实现
本文总结了协同滤波常用算法SVD、Item-Based的一些概念，并参考网上资料实现了相关的python代码
2018-03-05 16:56:20
1597
原创 推荐系统论文阅读——Neural Collaborative Filtering
论文题目：Neural Collaborative Filtering 参考资料：https://www.cnblogs.com/HolyShine/p/6728999.html尽管最近的一些工作已经把深度学习运用到了推荐的任务当中，但只是用深度学习给一些辅助的信息建模，例如项目的文字描述或音乐的声学特征等等。在表示用户与项目之间的交互是仍然使用矩阵分解等用内积来建模。这篇文章的工作主要...
2018-03-04 11:26:46
18316
5
原创 CS231n课程学习笔记（七）——数据预处理、批量归一化和Dropout
CS231n课程笔记翻译：神经网络笔记 2。主要介绍了常见的数据预处理操作、如何初始化权重以及正则化的几种方式，其中，正则化中着重讲解了Dropout。
2018-03-01 20:54:30
1516
原创 梯度下降有关概念总结
在之前的博客 Coursera 机器学习（by Andrew Ng）课程学习笔记 Week 1——简单的线性回归模型和梯度下降 我们已经介绍了损失函数和梯度下降的概念。这一部分我们会更加详细介绍这一部分。
2018-03-01 17:03:50
508
原创 GAN论文阅读——DCGAN
论文标题：Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks 论文链接：https://arxiv.org/abs/1511.06434 参考资料：http://blog.csdn.net/liuxiao214/article/details/73500737 ...
2018-03-01 14:15:18
16961
1
转载 CS231n课程学习笔记（五）——卷积神经网络
转载自：[CS231n课程笔记翻译：卷积神经网络笔记] 详细介绍了卷积神经网络各个层的结构与作用，参数设置的细节。
2018-02-28 18:16:48
2092
转载 CS231n课程学习笔记（四）——反向传播
转载自：[CS231n课程笔记翻译：反向传播笔记] 本节将帮助读者对反向传播形成直观而专业的理解。反向传播是利用链式法则递归计算表达式的梯度的方法。理解反向传播过程及其精妙之处，对于理解、实现、设计和调试神经网络非常关键。
2018-02-27 22:58:03
610
原创 CS231n课程学习笔记（三）——Softmax分类器的实现
翻译笔记：https://zhuanlan.zhihu.com/p/21930884?refer=intelligentuni 参考资料：http://blog.csdn.net/pjia_1008/article/details/66972060作业讲解求损失Loss线性模型：y=Wxy=Wxy=WxSoftmax：Si=eyi∑jeyjSi=eyi∑jeyj\disp...
2018-02-27 18:50:45
10419
2
原创 CS231n课程学习笔记（二）——SVM的实现
翻译笔记：https://zhuanlan.zhihu.com/p/21930884?refer=intelligentunit 作业讲解视频地址：http://www.mooc.ai/course/364/learn#lesson/2118作业讲解求损失Loss多分类线性SVM：y=Wxy=Wxy=WxHinge Loss（Max margin），margin=1： ...
2018-02-27 15:36:03
2488
原创 CS231n课程学习笔记（一）——KNN的实现
翻译笔记：https://zhuanlan.zhihu.com/p/21930884?refer=intelligentunit 作业讲解视频：http://www.mooc.ai/open/course/364作业讲解KNN的实现主要分为两步：训练：分类器简单地记住所有的数据测试：测试数据分别和所有训练数据计算距离，选取k个最近的训练样本的label，通过投票（vote...
2018-02-26 22:15:05
5181
4
原创 CS231n课程学习笔记（零）——Jupyter Notebook使用方法
完成CS231n作业可以需要借助Jupyter Notebook工具。
2018-02-26 16:17:06
1817
转载 GAN论文阅读——CGAN
CGAN提出了一种带条件约束的GAN，在生成模型（D）和判别模型（G）的建模中均引入条件变量y（conditional variable y），使用额外信息y对模型增加条件，可以指导数据生成过程。
2018-02-25 13:27:34
38173
2
原创 GAN论文阅读——原始GAN（基本概念及理论推导）
参考资料：http://blog.csdn.net/sallyxyl1993/article/details/64123922 https://baijiahao.baidu.com/s?id=1580024390078548003&wfr=spider&for=pc https://sherlockliao.github.io/2017/06/20/gan...
2018-02-23 20:12:47
33688
19
原创 Tensorflow学习笔记（五）——结构化模型及Skip-gram模型的实现
主要讲解如何结构化我们的Tensorflow代码以及用Tensorflow实现Skip-gram模型的代码。
2018-02-22 11:22:25
4128
原创 Tensorflow学习笔记（四）——深入MNIST（多层卷积网络）
根据极客学院Tensorflow教程，实现了Mnist数据集的回归模型以及多层神经网络模型。
2018-02-19 22:04:55
1324
原创 Tensorflow学习笔记（三）——用Tensorflow实现线性回归和逻辑回归
Tensorflow学习笔记（三）——用Tensorflow实现线性回归和逻辑回归
2018-02-07 16:10:21
1172
2
原创 Tensorflow学习笔记（二）——Tensorboard和数据类型
CS20: Tensorflow for Deep Learning Research 学习笔记（二）
2018-02-04 22:17:47
969
原创 Tensorflow学习笔记（一）——Graph and Session
参考 CS20: Tensorflow for Deep Learning Research 课程的学习笔记
2018-02-04 13:12:39
363
原创 Coursera 机器学习（by Andrew Ng）课程学习笔记 Week 8（二）——降维
Coursera 机器学习（by Andrew Ng）课程学习笔记 Week 8（二）降维
2018-02-02 21:03:02
432
原创 Coursera 机器学习（by Andrew Ng）课程学习笔记 Week 8（一）——无监督学习
Coursera 机器学习（by Andrew Ng）课程学习笔记 Week 8（一）非监督学习 K均值算法
2018-02-01 20:50:32
301
原创 Coursera 机器学习（by Andrew Ng）课程学习笔记 Week 6（二）——误差分析与数据集偏斜处理
Coursera 机器学习（by Andrew Ng）课程学习笔记 Week 6（二）误差分析与数据集偏斜处理
2018-01-30 23:18:15
373
原创 Coursera 机器学习（by Andrew Ng）课程学习笔记 Week 6（一）—— 机器学习诊断、偏差与方差
Coursera 机器学习（by Andrew Ng）课程学习笔记 Week 6（一）机器学习诊断、偏差与方差
2018-01-28 16:50:54
450
原创 推荐系统论文阅读——Factorizing Personalized Markov Chains for Next-Basket Recommendation
矩阵分解（MF）和马尔可夫链（MC）是推荐系统常用的两种方法。作者将这两种方法结合在了一起。对于每一个用户，我们需要学习其对应的一个转移矩阵，所以需要一个三维矩阵来记录这些信息。但是由于所观察到的这部分信息非常有限，我们用成对的交互模型来分解这个三维矩阵。为了学习模型的参数，我们引入了贝叶斯个性化排序的框架来处理数据。
2017-11-16 21:09:42
9340
2
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