- 博客(56)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 Latex 中转置T的几种写法
在Latex写作环境，常常需要对矩阵或向量进行转置，关于转置T，实际上有不同的写法。如下所示：\documentclass{article}\usepackage{amssymb}\begin{document}$\mathbf{A}^\mathrm{T}$ $\mathbf{A}^\top$ %<------专业论文中常用$\mathbf{A}^\mathsf{T}$$\mathbf{A}^\intercal$\end{document}运行结果...
2022-02-20 08:20:20
15062
原创 Mac、Linux批量创建、批量删除文件及文件夹
（1）批量创建文件夹假设文件夹的名称名分别从dir_1 -dir_10在shell命令中用{1..10}，表示通配符：mkdir dir_{1..10}（2）批量创建文件文件名分别从document_1.txt -document_10.txttouch document_{1:10}.txt（3）批量删除文件夹rm -rf dir_{1..10}批量删除文件rm document_{1..10}.txt...
2021-10-03 10:31:53
1118
原创 NumPy 取消科学计数法：np.set_printoptions(suppress=True)
NumPy 采用科学计数法，方便了数据展示，但对于人而言，不太便于观察，需要取消它，压制Numpy输出精度：np.set_printoptions(suppress=True)
2021-08-16 23:14:40
3083
原创 matplotlib 显示中文的方法（Mac和Windows）
1. Windows环境import numpy as npimport matplotlib.pyplot as pltplt.rcParams['font.sans-serif'] = ['SimHei']2. MacOS环境plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']3. 案例演示import numpy as npimport matplotlib.pyplot as plt x = np.a
2021-08-15 17:28:05
435
原创 在Python中 用pip3安装cv2
在Python中安装OpenCV，建议直接使用pip3在控制端安装（conda 安装容易失败）pip3 install opencv-pythonCollecting opencv-python Downloading opencv_python-4.4.0.42-cp38-cp38-macosx_10_13_x86_64.whl (52.2 MB) |████████████████████████████████| 52.2 MB 3.7 MB/sRequire...
2020-09-15 02:33:45
7801
原创 Texstudio的注释快捷键： 1. 注释 “Ctrl“ + “T“ 2. 去除注释 “Ctrl” + “U“
Texstudio的注释快捷键： 首先选择 多行文本，然后按快捷键：1. 注释 ："Ctrl" + "T" （Windows）Mac：OPT键 + T2. 去除注释 ：“Ctrl” + "U"（Windows）Mac：OPT键 + U
2020-08-15 05:45:05
3911
原创 Jupyter对标的Spyder代码块：#%% 分割cell
我们知道，Jupyter有很好用的代码块。其实Jupyter和Spyder有着相同的内核IPython。它也能实现类似的功能：利用专有标识号分割代码块（Cell）#%%code....#%%如下图所示。一旦分割好，快捷键和Jupyter中的是一致的：Ctrl + Enter ：执行当前cellShift+Enter ：运行当前cell并将光标移到下一个cell...
2020-05-24 06:55:16
5083
3
原创 Jupyter中的魔法函数
Jupyter的魅力之处，除了体现在能提供丰富多彩的格式化文本显示，还体现在它提供了很多好用的函数。这些函数如同有魔力一般，故也被称为魔法函数（Magic Function）。所谓魔法函数，实际上是IPython预先定义好的具备特定功能的函数被放到Jupyter中使用罢了。请注意，这是IPython特有的函数，并非Python的内置函数，因此脱离IPython的使用环境（如使用Pycharm或Python自带的IDLE开发环境等），这些函数是无法被解析运行的。在图1-22中，第14行和第16行就分别
2020-05-23 02:39:59
4666
2
原创 TensorFlow 2.x调试错误解决：_SymbolicException: Inputs to eager execution function cannot be Keras symbolic
出现的这样错误：调试TensorFlow 2.0 程序时，发现错误如下：_SymbolicException: Inputs to eager execution function cannot be Keras symbolic tensors, but found [<tf.Tensor 'my_rnn/lstm_cell/cond/Identity:0' shape=(None, 100) dtype=float32>, <tf.Tensor 'my_rnn/lstm_cel
2020-05-22 05:29:17
4935
7
原创 Python极简讲义——一本书入门数据分析与机器学习（序言）
为什么写此书？我们正处于一个数据科技（Data Technology，简称DT）的时代。我们的一举一动，都有能在数据空间留下电子印记。于是海量的社交、电商、行为及科研大数据铺面而来。然而，太多的数据给人们带来的，可能并不是更多的洞察，还可能是迷失。因为仅仅就数据本身而言，它们是“一无所知”的。数据的价值，在于形成信息，变成知识，乃至升华为智慧。也就是说，这些数据如果不能进一步 “深加工...
2020-04-19 08:00:33
2382
4
原创 python -m 参数的含义
首先可以在命令行用python -h，获取帮组信息。python -husage: python [option] ... [-c cmd | -m mod | file | -] [arg] ...Options and arguments (and corresponding environment variables):-b : issue warnings ab...
2020-03-05 08:15:04
2126
原创 Mac技巧1: 精确倍速QuickTime Player 播放器
（以下技巧，备份一下，以防忘记，并分享之）1. 在Mac上，QuickTime Player 播放器很好用，如果想倍速播放，该怎么办呢？点击双箭头按钮可以用 2、4、8 倍的速度快进/快退播放视频，但是这样的倍速太快了，如果我们想以 1.1、1.2 倍速这种更精确的速度控制视频播放，如何精确可控制呢？解决方案：先按住 option 键，再用鼠标点击QuickTime播放键上的双...
2020-02-28 20:48:49
5348
原创 在Jupyter Notebook终止cell（代码块）而非终止（重启）整个Jupyter
当IPython的某个cell陷入死循环或长时间没有响应，想终止当前cell，但不想重启Kernel，可以这样做：（1）在工具栏，点击Kernel（内核）子菜单中的Interrupt（中断）。（2）在想终止的cell，按ESC键，让其脱离编辑状态，在命令状态中，连续按两次“I”键（interrupt的首字母）（简单：推荐）...
2020-02-27 01:15:23
32185
7
原创 Jupyter Notebook 与PyCharm单行和多行注释快捷键
Jupyter Notebook：单/多行注释，组合键：选中代码，按Ctrl + /。这是一个乒乓键，选中注释部分，再按一次 Ctrl + /，取消注释------------------PyCharm：单/多行注释，组合键：选中代码，按Ctrl + / （Windows系统）Mac系统 组合键：选中代码，按 command + /这是一个乒乓键，选中注释部分，再按...
2019-09-12 18:24:03
11504
原创 《深度学习之美》推荐序：通俗也是一种美德
2017年5月份到8月份，《品味大数据》作者张玉宏博士在云栖社区连载了十四篇深度学习入门文章。这些文章，在云栖社区备受好评——“通俗易懂”、“坐等更新”、“大神的更新频率可以快点吗？”……并且，篇篇阅读过万。目前深度学习入门系列文章第一季更新已结束，云栖社区将文章集结成专题，以便更多人从中受益。这14篇精彩的博客在这里：https://yq.aliyun.com/topic/111，请你过...
2018-06-27 05:43:39
1245
原创 【深度学习之美】LSTM长短记，长序依赖可追忆（入门系列之十四）
14.1 遗忘是件好事还是坏事？如果我问你，遗忘，是件好事，还是坏事？或许你会说，当然是件坏事啊，我可羡慕记忆力好的人了。可我要告诉你，如果你到现在还记得，两岁时，隔壁家的小女孩“横刀夺爱”，抢了你的棒棒糖，估计你现在还可能单身。如此“记”仇的人，不孤独也难啊？的确，有时候，遗忘是好事，它会让大脑清理无用“内存”，让你能得以重新起航。其实从脑科学的角度来看，记忆是一种生物运算，它需要消耗能量的。从...
2018-06-24 12:58:55
1153
原创 【深度学习之美】循环递归RNN，序列建模套路深（入门系列之十三）
13.1 你可能不具备的一种思维近来，吴京主演的电影《战狼 Ⅱ》大获好评。走进电影院的你，如痴如醉，外加一把爱国泪，绝不肯错过冷锋的每一个镜头。假设情况不是这样，仅想打发无聊时光的你，随机选择了一部电影，不凑巧，电影是部烂片，电影播到10分钟20分钟时，你会怎么办？是当机立断地拂袖而去呢？还是强打精神看下去（毕竟电影票花了80块人民币啊）？在经济学领域，有个重要的概念，叫“沉没成本”。说...
2018-06-24 12:56:56
2723
1
原创 【深度学习之美】激活引入非线性，池化预防过拟合（入门系列之十二）
12.1 两个看似闲扯的问题在开讲本章内容之前，先请你思考两个问题呗：第一个问题，你能用直线画出一张漂亮的笑脸吗？第二个问题是，你知道那副著名的对联：“诸葛一生唯谨慎，吕端大事不糊涂”，说得是什么典故吗？如果你不是抬杠的话，我想你第一个问题的答案，应该是不能。因为直线的表现力非常有限，只有曲线才能画出更美的线条。因此，才有英国画家和美学家威廉•荷加兹(William Hogarth,1697~17...
2018-06-24 12:55:18
732
原创 【深度学习之美】局部连接来减参，权值共享肩并肩（入门系列之十一）
很多年前，著名物理学家爱因斯坦说过一句名言：Everything should be made as simple as possible, but not simpler（越简单越好，但是还不能过分简单）。”是的，只有名人才能说名言。如果这句话是我的说的，你可能认为这不是废话吗？我把爱老爷子搬出来，自然不是想唬你，而是因为他的名言和我们今天要讲的主题有点相关。我们知道，相比于全连接的前馈网络，卷...
2018-06-24 12:53:26
1557
原创 【深度学习之美】卷地风来忽吹散，积得飘零美如画（入门系列之十）
在前面的章节中，我们简要地介绍了卷积神经网络的来龙去脉。接下来我们逐一来解释它之所以成功的几个核心要素。卷积神经网络的名字就来自于其中的卷积操作。因此说到卷积神经网络，它最核心概念可能莫过于“什么是卷积”？10.1 卷积的数学定义脱离卷积神经网络这个应用背景，“卷积”其实是一个标准的数学概念。早在3.4节中，我们已经提及到“卷积”的概念：所谓卷积，不过是一个函数和另一个函数在某个维度上的加权“叠加...
2018-06-24 12:37:53
443
原创 【深度学习之美】全面连接困何处，卷积网络见解深（入门系列之九）
在前面的文章中，我们介绍了反向传播(Back Propagation，简称BP) 算法，在本质上，BP算法是一种全连接神经网络。BP算法也有很多成功的应用，但只能适用于“浅层”网络，因为“肤浅”，所以也就限制了它的特征表征能力，进而也就局限了它的应用范围。为什么它难以“深刻”呢？在很大程度上问题就出在它的“全连接”上。难道“全连接”不好吗？它更全面啊，难道全面反而是缺陷？我们暂时不讨论这个问题，等...
2018-06-24 12:36:22
608
原创 【深度学习之美】BP算法双向传，链式求导最缠绵（入门系列之八）
8.1 BP神经网络极简史在神经网络（甚至深度学习）参数训练中，BP(Back Propagation)算法非常重要，它都占据举足轻重的地位。在提及BP算法时，我们常将它与杰弗里•辛顿（Geoffrey Hinton）的名字联系在一起。但实际上，辛顿还真不是第一个提出BP算法的人，就像爱迪生不是第一个发明电灯的人一样。但人们记住的，永远都是那个让电灯“飞入平常百姓家”的功勋人物爱迪生，而不是它的第...
2018-06-24 12:34:42
1994
原创 【深度学习之美】山重水复疑无路，最快下降问梯度（入门系列之七）
（原文于2017年6月发表于云栖社区：https://yq.aliyun.com/articles/105339）一年多前，吴军博士写了一本畅销书《智能时代》[1]。书里提到，在人工智能领域，有一个流派叫“鸟飞派”，亦称之为“模仿派”。说的是，当人们要学习飞翔的时候，最先想到的是模仿鸟一样去飞翔。很多年前，印度诗人泰戈尔出了本《飞鸟集》，里面有个名句：“天空没有留下翅膀的痕迹，但我已经飞过”。有人...
2018-06-24 12:31:56
798
原创 Dropout技术为什么能防止过拟合？
在学习深度学习时，常常有人会问到这样一个问题：Dropout技术为什么能防止过拟合？当然，简单的回答是：防止参数过分依赖训练数据，增加参数对数据集的泛化能力。这样的回答，当然是正确的。但有点抽象。我来说点具体的案例。首先，这涉及到深度学习的分布式特征表达。1.什么是分布式特征表达呢？分布式表征（Distributed Representation），是人工神经网络研究的一个核心思想。那什么是分布式...
2018-05-23 07:34:23
9664
2
原创 TensorFlow学习系列之九：如何利用可视化数据流图TensorBoard？
人们在训练庞大而复杂的深度神经网络时，经常会出现难以理解的运算。而人类是有“视觉青睐”的，也就是说，人们通常对图片带来的信息更善于理解。为了迎合这一特性，也为了更方便理解、调试与优化程序，TensorFlow提供一个非常好用的可视化工具——TensorBoard，它能够可视化机器学习的流程，绘制图像生成的定量指标图以及附加数据。下面我们就以范例【11-1】这个简单的程序，来说明如何利用Tensor...
2018-05-10 21:29:53
5502
原创 TensorFlow学习系列之八：什么是数据流图？
一、概述TensorFlow最基本的一次计算流程通常是这样的：首先它接受n个固定格式的数据输入，通过特定的函数，将其转化为n个张量（Tensor）格式的输出。一般来说，某次计算的输出很可能是下一次计算的（全部或部分）输入。整个计算过程其实是一个个Tensor 数据的流动过程。在这其中，TensorFlow将这一系列的计算流程抽象为了一张数据流图（Data Flow Graph）。简单来说，数据流图...
2018-05-10 19:11:56
7789
1
原创 tf.nn.softmax_cross_entropy_with_logits中的“logits”到底是个什么意思？
tf.nn.softmax_cross_entropy_with_logits函数是TensorFlow中常用的求交叉熵的函数。其中函数名中的“logits”是个什么意思呢？它时不时地困惑初学者，下面我们就讨论一下。1. 什么是logits？说到Logits，首先要弄明白什么是Odds？在英文里，Odds的本意是指几率、可能性。它和我们常说的概率又有什么区别呢？在统计学里，概率（P...
2018-05-10 09:01:55
39277
13
原创 训练分类器为什么要用cross entropy loss（交叉熵损失函数）而不能用mean square error loss（MSE,最小平方差损失函数）?
在一个人工智能群里，有人问起，训练分类器为什么要用cross entropy loss（交叉熵损失函数）而不能用mean square error loss（MSE,最小平方差损失函数）呢?正好，在我的那本《深度学习之美》（第11章）提及这个问题，于是复制了一部分内容，作为回答，群里的同学觉得通俗易懂，于是，把我的回答贴到这里，算是一个总结：---------对于多分类的标签（即教师信号），从本质...
2018-05-10 06:37:45
13192
原创 TensorFlow学习系列之七：TensorFlow的源码编译
为了编译TensorFlow的源代码，除了要有gcc（版本不低于4.8）支持之外，还需要安装Google自产的编译工具Bazel。1.安装Bazel安装Bazel，需要Java JDK 8或更高版本的支持，所以接下来我们要的第一件工作，就是要确定Java 8/9是否已经安装（可用“java -version”来查询）。如果没有安装，则可以通过如下流程安装。（1）利用Ubuntu的PPA（Perso...
2018-04-16 21:54:22
23462
5
原创 TensorFlow学习系列之六：测试TensorFlow是否安装成功
“是骡子是马，拉出来溜溜”。上述安装是否成功，需要测试一下才知道。下面我们就用大名鼎鼎的“HelloWorld”程序，来测试TensorFlow是否安装成功。在终端输入python（请注意，在Mac/Linux环境下“python”全部小写），进入Python的交互模式（Pythonshell）。然后依次输入如下4条语句。01 >>> import tensorflow a...
2018-01-26 21:49:30
18874
4
原创 TensorFlow学习系列之五：寻找TensorFlow安装源
在配置完毕conda的环境之后，下面我们来介绍一下如何在当前环境下安装TensorFlow。由于网络环境的不同，用一种方法安装TensorFlow，可能会因莫名原因而失败。下面我们先后介绍3种方式来安装，相信总有一种方式能适用于你。（1）conda软件源安装首先，在终端输入以下命令搜索当前可用的TensorFlow版本anaconda search -t conda tenso
2018-01-26 21:45:49
6927
1
原创 TensorFlow 学习系列之四：配置TensorFlow环境
Anaconda的核心命令就是conda。conda既是一个包管理器，又是一个环境管理器。作为包管理器，它可以协助用户查看或安装软件包。如果当前环境的Python不止一个时，我们还可以借助conda搭建起特定Python版本的环境，这就是conda环境管理器功能。下面我们就借助这个功能，为TensorFlow配置环境。11.3.2.1 配置TensorFlow环境为了确保是否已经正确安装好
2018-01-26 21:33:04
1679
原创 TensorFlow学习系列之三：Anaconda的安装
在介绍完毕几个主流的深度学习框架之后，下面让我们把视角重新回到TensorFlow上，介绍一下TensorFlow的安装过程。由于TensorFlow并非全部由Python编写而成，它的很多底层代码仍然是由高性能的C++甚至CUDA编写而成，所以它的安装过程比较繁琐，可能导致部分初学者不能一次性安装成功。TensorFlow为CPU和GPU两个版本。由于本书主要是面向初学者（而非生产环
2018-01-26 21:23:25
1594
原创 TensorFlow学习系列之二：深度学习框架比较
“工欲善其事，必先利其器”。事实上，适用于深度学习的“器”很多，各有特色，也各有千秋。下面我们对其它几个比较流行的深度学习框架，给予简单介绍，以便给读者提供一个宏观的认知。11.2.1 TheanoTheano是一个偏向底层的深度学习框架，它开启了基于符号运算的机器学习框架的先河。Theano支持自动的函数梯度计算，带有Python接口并集成了Numpy。所以，从严格意义上来说，Thean
2018-01-26 21:11:17
901
原创 TensorFlow 学习系列之一：TensorFlow 概述
在计算机相关的很多领域（如大数据、分布式计算、搜索等），Google公司都有着卓越的表现，贡献了很多划时代的产品。在人工智能领域，它也不例外。2011年，谷歌就开发了它的第一代分布式机器学习系统DistBelief[1]。其中计算机科学家杰夫·迪恩（Jeff Dean）和著名深度学习专家吴恩达（Andrew Y. Ng）都是这个项目的核心人员。除了吴恩达先生声名赫赫之外，这位杰夫·迪恩也非常了...
2018-01-26 21:05:35
968
原创 数字的来源及数据思维的发展
源头茫昧虽难觅，活水奔流喜不休。——法国著名数学家、科学哲学家昂利·彭加莱（Henri Poincare）在本章，基本上是按照从古到今的时间轴线，漫谈数据的发展简史[1]。在了解大数据的内涵之前，很有必要简要地回顾一下大数据时代黎明前的漫长历史。数据是人类认识客观世界的标度，人类与数据的历史，可谓是源远流长。著名社会学家费孝通先生曾说[2],人类的“当前”，包含着从“过去”历史中拔萃出
2017-06-18 17:00:16
1448
3
原创 【深度学习之美】损失函数减肥用，神经网络调权重（入门系列之六）
有人开玩笑说，男人有两大烦恼：一是把别人的肚子搞大了，二是把自己的肚子搞大了。对于后者，除了减（jian）肥（shen）,似乎别无他法。可你知道吗？这减肥背后的机理，和前馈神经网络利用损失函数，来反向调节各个神经元之间的连接权重，其实是一样一样的。为啥咧？
2017-06-18 16:39:23
3952
原创 【深度学习之美】Hello World感知机，懂你我心才安息 (入门系列之五)
感知机，就如同神经网络（包括深度学习）的“Hello World”。如果不懂它，就如同“为人不识陈近南，便称英雄也枉然”一样尴尬。当感知机可以模拟人类的感知能力，当它能够明辨与或非，但它最大的“疑惑”就是“异或”。难道机器领域也只能是异性才能有结果吗？
2017-06-18 16:37:12
1375
原创 【深度学习之美】“机器学习”三重门，“中庸之道”趋若人（入门系列之四）
王国维说过人有三重境界，对应的，“机器学习”也有三大类不同算法，而有着“中庸之道”的半监督学习可能就是未来机器学习的大趋势，它一步一步地走“像”人类！
2017-06-06 21:54:55
954
原创 【深度学习之美】神经网络不胜语， M-P模型似可寻（入门系列之三）
“那些在个人设备里，谦谦卑卑地为我们哼着歌曲的数字仆人，总有一天会成为我们的霸主！”在“忍无可忍，无需再忍”这句俗语背后，也隐藏中神经网络常用的“激活函数”和“卷积”的概念。知其道,用其妙,THIS IS HOW！
2017-06-06 21:51:13
1675
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人