- 博客(340)
- 资源 (11)
- 收藏
- 关注
RSS订阅原创 mini-imagenet阿里云网盘分享
「mini-imagenet」，点击链接保存，或者复制本段内容，打开「阿里云盘」APP ，无需下载极速在线查看，视频原画倍速播放。链接：https://www.aliyundrive.com/s/sPddLpGHy7S
2021-11-25 17:33:48
6735
原创 李宏毅2021-GAN学习笔记
Discriminator G∗=argminDiv(PG,Pdata)G^*=arg min Div(P_G,P_{data})G∗=argminDiv(PG,Pdata)real data sampleed from PdataP_{data}Pdata,general data sampled from PGP_GPGObjective Function For DLoss function:V(G,D)=Ey∼Pdata[logD(y)]+Ey∼PG[log(1−D(y))]V(
2021-04-21 11:07:26
488
转载 Fréchet Inception Distance（FID）
摘自：https://www.cnblogs.com/gaona666/p/12376796.htmlFréchet Inception Distance（FID）计算 IS 时只考虑了生成样本，没有考虑真实数据，即 IS 无法反映真实数据和样本之间的距离，IS 判断数据真实性的依据，源于 Inception V3 的训练集 ------ ImageNet，在 Inception V3 的“世界观”下，凡是不像 ImageNet 的数据，都是不真实的，都不能保证输出一个 sharp 的 prediti
2021-04-20 15:17:15
7596
转载 如何解决神经网络训练时loss不下降的问题
转载自： https://blog.ailemon.me/2019/02/26/solution-to-loss-doesnt-drop-in-nn-train/如何解决神经网络训练时loss不下降的问题文章作者AI柠檬博主发布日期2019-02-26如何解决神经网络训练时loss不下降的问题有2条评论浏览量： 148,695(在苹果系统下，如果文章中的图片不能正常显示，请升级Safari浏览器到最新版本，或者使用Chrome、Firefox浏览器打开。)当我们训练一个神经网络模型的时候，
2021-04-15 11:52:10
1079
翻译 Could not load dynamic library ‘libcudart.so.11.0‘
原文来自：https://github.com/tensorflow/tensorflow/issues/45930#issuecomment-770342299我这里大致翻译以下。I has same problem ,and solved this problem by those step.我遇到了同样的问题，用以下步骤解决First, find out where the “libcudart.so.11.0” is找出libcudart.so.11.0所在If you lost oth
2021-04-09 11:06:40
7431
原创 tf2.0 -- InvalidArgumentError: Incompatible shapes
今天遇到了一个很奇怪的问题，这种问题一般是由于已经保存的加载之后，与要使用的数据shape不一致导致的。tensorflow.python.framework.errors_impl.InvalidArgumentError: Incompatible shapes: [50000,10] vs. [50000,100]这是我的代码：# (x, y), (x_test, y_test) = datasets.cifar100.load_data()(x, y), (x_test, y_test)
2021-04-07 17:43:30
3912
1
原创 常见的梯度超参数更新方法
常见的梯度超参数更新方法Adagrad :Root Mean Squareθi1=θi0−ησi0gi0σi0=(gi0)2=｜gi0｜\theta_i^1 =\theta_i^0-\tfrac{\eta}{\sigma_i^0}g_i^0 \\\sigma_i^0 = \sqrt{(g_i^0)^2}=｜g_i^0｜θi1=θi0−σi0ηgi0σi0=(gi0)2=｜gi0｜θi2=θi1−ησi1gi1σi1=12[(gi1)2+(gi1)2]\theta_i^2 =\
2021-04-02 18:27:44
440
原创 损失函数的最值和鞍点的判断
L(θ)L(\theta)L(θ) arond θ\thetaθ = θ′\theta'θ′能用下面的公式逼近：L(θ)≈L(θ′)+(θ−θ′)Tg+12(θ−θ′)TH(θ−θ′)L(\theta)\approx L(\theta ')+(\theta-\theta')^Tg+\tfrac{1}{2}(\theta-\theta')^TH(\theta-\theta')L(θ)≈L(θ′)+(θ−θ′)Tg+21(θ−θ′)TH(θ−θ′)梯度ggg 是一个矢量:g=∇L(θ′)gi=∂L(θ
2021-04-01 15:13:47
468
原创 tensorflow 限制GPU显存的使用
tensorflow 1 里使用这部分限制显存gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.5)config=tf.ConfigProto(gpu_options=gpu_options)session = tf.Session(config=config)在tensorflow 2里使用这部分限制显存gpu_options = tf.compat.v1.GPUOptions(per_process_gpu_memor
2021-03-15 10:46:35
1059
转载 L1正则化和L2正则化
摘自：https://www.cnblogs.com/skyfsm/p/8456968.html【深度学习】L1正则化和L2正则化在机器学习中，我们非常关心模型的预测能力，即模型在新数据上的表现，而不希望过拟合现象的的发生，我们通常使用正则化（regularization）技术来防止过拟合情况。正则化是机器学习中通过显式的控制模型复杂度来避免模型过拟合、确保泛化能力的一种有效方式。如果将模型原始的假设空间比作“天空”，那么天空飞翔的“鸟”就是模型可能收敛到的一个个最优解。在施加了模型正则化后，就好比将
2021-01-10 00:32:38
526
原创 PCA学习笔记
PCA的意义机器学习中的主要问题：维度灾难 PCA：在力求数据信息丢失最少的原则下，对高纬度的变量空间降维 ，即研究指标体系的少数几个线性组合，并且这几个线性组合所构成的综合指标将尽可能多的保留信息。这些综合指标就称为主成分 。PCA推导该X的协方差矩阵 为由于此矩阵为非负定的对称阵，则有利用线性代数的知识可得，比存在正交矩阵U，使得 ： 其中P个特征值，假设大小是降序。而U恰好是由特征根相对应的特征向量所组成的正交阵这里，由U的第一列元素所工程为原始变量的线性组合有最大的方差 。 (证
2020-08-08 10:01:15
189
转载 关于感知学习模型机中空间任一点到超平面的距离公式的推导过程
摘自： https://blog.csdn.net/amyaguang/article/details/46043885?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.channel_param&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.cha
2020-08-02 14:47:05
167
转载 k邻近算法(KNN)实例
文章转载自：https://www.cnblogs.com/angle6-liu/p/10416736.html一 k近邻算法原理k近邻算法是一种基本分类和回归方法.原理:K近邻算法，即是给定一个训练数据集，对新的输入实例，在训练数据集中找到与该实例最邻近的K个实例，这K个实例的多数属于某个类，就把该输入实例分类到这个类中。如上图所示，有两类不同的样本数据，分别用蓝色的小正方形和红色的小三角形表示，而图正中间的那个绿色的圆所标示的数据则是待分类的数据。这也就是我们的目的，来了一个新的数据点，我
2020-07-22 22:42:06
4874
转载 java 8 lamda Stream的Collectors.toMap 参数
摘自：https://www.cnblogs.com/ampl/p/10904306.htmljava 8 lamda Stream的Collectors.toMap 参数使用toMap()函数之后，返回的就是一个Map了，自然会需要key和value。toMap()的第一个参数就是用来生成key值的，第二个参数就是用来生成value值的。第三个参数用在key值冲突的情况下：如果新元素产...
2020-04-30 15:48:24
769
转载 macOS开启高性能模式
文章摘自：https://cloud.tencent.com/developer/article/1594591macOS开启高性能模式2020-03-05阅读 2400性能模式会更改您的 Mac 的系统参数。这些更改会更好地利用您的硬件来满足服务器应用程序的要求。装有 macOS Server 且需要运行高性能服务的 Mac 可以开启性能模式，以便将更多系统资源专用于服务器应用程序。...
2020-04-20 12:54:01
9733
转载 mysql通过“延迟关联”进行limit分页查询优化的一个实例
转载自：https://blog.csdn.net/iteye_1914/article/details/82675158最近在生产上遇见一个分页查询特别慢的问题，数据量大概有200万的样子，翻到最后一页性能很低，差不多得有4秒的样子才能出来整个页面，需要进行查询优化。第一步，找到执行慢的sql，如下：SELECTshotel_id as hotelId,mroom_type_id a...
2020-04-09 16:37:36
396
转载 Java try catch语句块中try（）的括号中代码作用
摘自：https://blog.csdn.net/qq_27092581/article/details/92839049应用场景：当我们使用带资源的try语句时，使用finally也许会造成一个异常被覆盖的问题，即try语句块中会抛出某个异常，执行finally语句块中跑出了同样的异常，这样的话就会导致原有的异常会丢失，转而抛出的finally语句中的异常。这时我们可以使用带资源的try语句...
2020-04-08 16:18:21
1184
转载 不要在 foreach 循环里进行元素的 remove/add 操作。remove 元素请使用 Iterator 方式，如果并发操作，需要对 Iterator 对象加锁
摘自：https://www.cnblogs.com/DDiamondd/p/11307825.html11.【强制】不要在 foreach 循环里进行元素的 remove/add 操作。remove 元素请使用Iterator 方式，如果并发操作，需要对 Iterator 对象加锁。正例：List<String> list = new ArrayList<>()...
2020-04-08 10:48:10
954
转载 Intellij Idea 的 vim 插件和默认快捷键冲突解决的方法
转载自：https://blog.csdn.net/kl28978113/article/details/53607921?utm_source=blogxgwz7可以在 2016 版的 Setting --> Other Settings --> Vim Emulation 中可以自己选择如何处理冲突的按键， 例如把所有冲突的快捷键都采用 IDEA 的快捷键方案...
2020-04-08 10:31:03
1425
转载 chown: cannot read directory '/var/lib/mysql/': Permission denied
容器中没有执行权限 //挂载外部数据卷时,无法启动容器, 报 chown: cannot read directory ‘/var/lib/mysql/’: Permission denied 由$ docker logs [name] 查看得知 该原因为centOs7默认开启selinux安全模块,需要临时关闭该安全模块,或者添加目录到白名单 临时关闭selinux：su -c “se...
2020-03-29 20:07:39
2428
原创 maven 快速源
配置全局生效修改 settings.xml 文件找到 mirrors 标签，在里面加入以下内容<mirror> <id>alimaven</id> <name>aliyun maven</name> <url>http://maven.aliyun.com/nexus/content/groups...
2020-03-08 14:54:41
157
转载 二叉树的遍历：先序中序后序遍历的递归与非递归实现及层序遍历
摘自： https://www.cnblogs.com/llhthinker/p/4747962.html二叉树的遍历：先序中序后序遍历的递归与非递归实现及层序遍历 对于一种数据结构而言，遍历是常见操作。二叉树是一种基本的数据结构，是一种每个节点的儿子数目都不多于2的树。二叉树的节点声明如下：复制代码1 typedef struct TreeNode *PtrToNode;2 type...
2019-08-27 10:13:09
320
原创 输入一行字符串，把字符串翻转
输入一行字符串，把字符串翻转/*输入一行字符串，把字符串翻转 。Input: I____am__a__studentOutput: student__a__am____I（1）直接翻转一下（2）把每个单词找出来，原地自身翻转*/#include <stdio.h>#include <stdlib.h>#include "string.h"void ...
2019-08-26 15:36:39
1001
1
原创 分词输出
分词输出//// Created by lixiang on 2019-08-26.///*输入一行字符串（单词和若干空格），输出该行单词（每个单词一行）Input：____hello_________world_ how___are___you___\nOutput: hello world how are you*/#include <stdio.h>...
2019-08-26 14:39:32
450
原创 输入一行字符串（单词和若干空格）， 输出该行单词个数。
/*输入一行字符串（单词和若干空格）， 输出该行单词个数。Input：____hello_________world_ how___are___you___\nOutput: 5*/#include <stdio.h>#include <stdlib.h>int main() { char str[50] = {0}; int cou...
2019-08-26 14:19:40
1193
原创 有序链表合并
有序链表合并#include <stdio.h>#include <stdlib.h>typedef struct PNode { int data; struct PNode *next;} LNode_t;void orderInsert(LNode_t **head, LNode_t **tail, int data) { L...
2019-08-25 22:00:40
180
原创 概率论中的一些简单分布总结
摘自 ：7月在线相关数学基础教程，有版权问题请告知，立即处理。两点分布#二项分布Possion 分布均匀分布指数分布正太分布总结1111111
2019-03-05 13:52:41
18675
1
转载 Hessian Matrix（海森矩阵）
转载自：https://blog.csdn.net/guoyunfei20/article/details/78246699Hessian Matrix（海森矩阵）Hessian Matrix，译作黑塞矩阵、海森矩阵、海瑟矩阵、海塞矩阵等。是一个多元函数的二阶偏导数构成的方阵，描述了函数的局部曲率。Hessian Matrix最早于19世纪由德国数学家Ludwig Otto Hesse提出，...
2019-03-05 09:23:03
3385
转载 简单理解viterbi算法
转载自：https://blog.csdn.net/zhangduan8785/article/details/80443650简单理解viterbi算法简介：viterbi算法其实就是多步骤每步多选择模型的最优选择问题，其在每一步的所有选择都保存了前续所有步骤到当前步骤当前选择的最小总代价（或者最大价值）以及当前代价的情况下前继步骤的选择。依次计算完所有步骤后，通过回溯的方法找到最优选择...
2019-03-01 10:28:33
582
转载 小白给小白详解维特比算法（二）
转载自：https://blog.csdn.net/athemeroy/article/details/79342048本文致力于解释隐含马尔科夫模型和上一篇我们提到的篱笆网络的最短路径问题的相同点和不同点，尽量通俗易懂但是也有些必要的公式。如果你有数学恐惧症，请无视所有的“注”。我的概率论学的很烂，如果“注”里面有错误，请务必直接喷，不要留情，谢谢！隐马尔科夫模型（HMM）和篱笆网络（神马...
2019-03-01 10:23:34
2194
3
转载 小白给小白详解维特比算法（一)
转载自：https://blog.csdn.net/athemeroy/article/details/79339546篱笆网络Lattice的最短路径问题初见HMM求解状态序列用到的维特比算法时，其实内心真的是崩溃的：数不尽的假设和公式，让人头昏脑涨的同时也击溃了自信心。但是仔细研究一下会发现其实问题蛮简单的，本文就致力于尝试用更通俗的方式解释一下维特比算法和它是如何运用在HMM求解状态序...
2019-03-01 10:17:27
580
转载 python3中的rank函数
转载自：https://blog.csdn.net/qq_24753293/article/details/80694831网上存在这么一个例子obj = pd.Series([7,-5,7,4,2,0,4])obj.rank()输出为：0 6.51 1.02 6.53 4.54 3.05 2.06 4.5dtype: floa...
2019-02-22 14:26:05
1437
转载 Pandas 中map, applymap and apply的区别
Pandas 中map, applymap and apply的区别 转载自：https://blog.csdn.net/u010814042/article/details/764011331.apply()当想让方程作用在一维的向量上时，可以使用apply来完成，如下所示In [116]: frame = DataFrame(np.random.randn(4, 3), colum...
2019-02-22 14:09:50
116
转载 Python NumPy中的diag函数
Python NumPy中的diag函数摘自： https://blog.csdn.net/qq_35277038/article/details/80766746NumPy包中的内置diag函数很有意思。假设创建一个1维数组a，和一个3*3数组b：import numpy as npa = np.arange(1, 4)b = np.arange(1, 10).reshape(3, ...
2019-02-21 11:48:18
1799
转载 python 库 Numpy 中如何求取向量范数 np.linalg.norm(求范数)（向量的第二范数为传统意义上的向量长度），（如何求取向量的单位向量）
转载自：https://www.cnblogs.com/devilmaycry812839668/p/9352814.html求取向量二范数，并求取单位向量（行向量计算）import numpy as npx=np.array([[0, 3, 4], [2, 6, 4]])y=np.linalg.norm(x, axis=1, keepdims=True)z=x/yx 为需...
2019-02-21 11:15:53
3317
1
转载 机器学习的数学基础
转载自： https://blog.csdn.net/randy_01/article/details/80616681研究机器学习需要以下数学基础：《矩阵论》+《实变函数与泛函数分析》+《凸优化》+《统计学》，泛函数分析在AI中属于较高级的应用了。建议学习这些学科最好用国外的教材。...
2019-02-21 10:30:07
648
转载 python之数组模块array
转载自：https://www.cnblogs.com/jlf0103/p/9168093.html计算机为数组分配一段连续的内存，从而支持对数组随机访问；由于项的地址在编号上是连续的，数组某一项的地址可以通过将两个值相加得出，即将数组的基本地址和项的偏移地址相加。数组的基本地址就是数组的第一项的机器地址。一个项的偏移地址就等于它的索引乘以数组的一个项所需要的内存单元数目的一个常量表示（在...
2019-02-19 21:25:04
302
[Python2]《机器学习实战》及源代码
2018-01-28
离散数学 第七版 课后习题答案 完整版
2018-01-25
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人