崔庆才的专栏

305 篇文章
147 人订阅

全部文章

崔庆才

爬虫代理大厂都封得差不多了,了解下商业级 4G 代理搭建方法吧!

从这篇文章的标题中我们可以看出,这一次的搭建方案主要用到的是 Docker,你可能会很好奇,Docker 跟搭建 4G 代理有什么关系吗?

5220
崔庆才

我是怎么把博客粉丝转到公众号的

我大约在 2014 年底开了自己的个人博客,当时就是想自己记录点学习总结,一个是方便查阅,二是锻炼一下自己写总结或者文章的能力,最初就是记录一些日常生活、编程学...

9440
崔庆才

让 Python 高效率工作

我是个只会用 Excel 的数据分析工作者。有一天,我和同事大鹏约好晚上一起喝酒,离下班还有 5 分钟,老板突然 Q 我:

13760
崔庆才

爬虫智能解析库 Readability 和 Newspaper 的用法

舆情爬虫是网络爬虫一个比较重要的分支,舆情爬虫往往需要爬虫工程师爬取几百几千个新闻站点。比如一个新闻页面我们需要爬取其标题、正文、时间、作者等信息,如果用传统的...

11540
崔庆才

Python 中排序方法的十条用法总结

sorted 用于对集合进行排序(这里说的集合是对可迭代对象的一个统称,他们可以是列表、字典、set、甚至是字符串),它的功能非常强大,本文将深入浅出地介绍 s...

6620
崔庆才

代码又出错了?很简单,Fuck 一下就好了!

说起 Python 强大的地方,你可能想到是它的优雅、简洁、开发速度快,社区活跃度高。但真正使得这门语言经久不衰的一个重要原因是它的无所不能,因为社区有各种各样...

8920
崔庆才

将 CNN 与 RNN 组合使用,天才还是错乱?

从有一些有趣的用例看,我们似乎完全可以将 CNN 和 RNN/LSTM 结合使用。许多研究者目前正致力于此项研究。但是,CNN 的最新研究进展趋势可能会令这一想...

8810
崔庆才

图像分类任务中,Tensorflow 与 Keras 到底哪个更厉害?

原标题:Tensorflow Vs Keras? — Comparison by building a model for image classificati...

10120
崔庆才

Kaggle前1%参赛者经验:ML竞赛中常被忽视的特征工程技术

创造力一直是人类进化的本质。数千年来,人类已经在历史长河中发掘了不少奇妙发现,而这种行为的起源契机可能是第一个轮子开始滚动,或是某个疯狂想法背后的思维火花崩现。...

7220
崔庆才

哟,写Bug呢?Facebook发布AI代码调试工具SapFix

调试代码是件很无聊的事,但是由 Facebook 工程师创建的新型人工智能混合工具——SapFix 可以大大节约工程师的时间,同时还加快了新软件的推出过程。该工...

7730
崔庆才

三个简单规则,助你养成Git和GitHub好习惯

本文不会涉及如何创建GitHub配置文件和如何在本地推送Git这类具体问题,相反地,首先我们会解释为什么用好Git和GitHub非常重要,然后再介绍三个简单规则...

28510
崔庆才

机器视觉之后, AI 开始模仿嗅觉系统了

如今的人工智能系统,例如受到神经元和神经系统连接启发的人工神经网络,在很多任务上表现得都不错。同样,这些系统需要强大的计算力和大量训练数据,这也使得它们能在围棋...

12160
崔庆才

最适合中国开发者的深度学习框架:走向成熟的 PaddlePaddle 1.0

自深度学习以分层逐步学习的奇思妙想崛起以来,深度学习框架就在不停地发展。在 AlexNet 还没有携带深度学习亮相 ImageNet 之前,由蒙特利尔大学 LI...

8920
崔庆才

模型训练太慢?来试试用这个方法提速吧!

原标题:How to Train Your Model (Dramatically Faster)

7910
崔庆才

构建神经网络前你需要先考虑这10件事

在阅读了一篇 MNIST 的教程(或 10 篇)并了解了一些 Tensorflow / Keras 最佳实践后,你可能会认为将神经网络应用于预测任务是一种“即插...

5610
崔庆才

深入剖析!神经网络内部是如何完成表征的

博客原标题:Representation Power of Neural Networks

6510
崔庆才

用 Python 做一些有意义的事情

故事的开始是这样的……我是标准的工科男,毕业后做了制造工程师,经常在厂子里,工作环境不太好,压力也挺大,重点是薪资不太高。

9230
崔庆才

人工神经网络真的像神经元一样工作吗?

人工神经网络和机器学习已经成为大众媒体的热门主题。智能机器这一想法勾起了很多人的想象,而且人们特别喜欢把它和人类放一起比较。特别是有一个关于人工智能的底层机制的...

9830
崔庆才

Tensorflow 2.0 的这些新设计,你适应好了吗?

如果说两代 Tensorflow 有什么根本不同,那应该就是 Tensorflow 2.0 更注重使用的低门槛,旨在让每个人都能应用机器学习技术。考虑到它可能会...

8420
崔庆才

数据科学、机器学习IDE概览

IDE 提供的丰富特性对软件开发极为有用,大大提高了程序员的生活质量。这一点同样适用于数据科学家。然而,因为数据科学家除了可以选择传统的 IDE,还可以选择 J...

8230

扫码关注云+社区

领取腾讯云代金券