首页
学习
活动
专区
工具
TVP
发布

机器学习和数学

专栏成员
68
文章
102865
阅读量
31
订阅数
[机智的机器在学习] 利用TensorFlow实现多元线性回归分类器
从今天的推文开始,我打算把经典的机器学习算法,都用tf实现一遍。这样一来可以熟悉一下机器学习算法,二来可以对tf有比较好的掌握,如果你是新手,那就跟着我的节奏,一起学习吧。讲的不好,大神轻拍~。 为了节省时间,有兴趣的童鞋可以直接去Github上clone,使用~,欢迎来点star~。 Github 地址: https://github.com/Alvin2580du/machine_learning_with_tensorflow.git # 导入需要的模块 # - * - coding: utf-8 -
用户1622570
2018-04-12
1.2K0
[机智的机器在学习] TensorFlow实现Kmeans聚类
对于机器学习算法来说,主要分为有监督学习和无监督学习,前面有篇文章介绍过机器学习算法的分类,不知道的童鞋可以去看看。然后今天要讲的Kmeans算法属于无监督算法,也就是说它的输入只要训练集没有标签的。说到Kmeans, 就不得不提什么是聚类?简单说就是“合并同类项”,把性质相近的物体归为一类,就是聚类。这样就自然会产生两个问题,1,怎么确定分类的种类数目,也就是说,把所有的样本数据分为几类比较合适? 2,怎么衡量归在一类的样本“性质”是不是相近?如果解决了这两个问题,那么简单的聚类问题就解决了。 Kmean
用户1622570
2018-04-12
2.6K0
[编程经验] Tensorflow中的共享变量机制小结
今天说一下tensorflow的变量共享机制,首先为什么会有变量共享机制? 这个还是要扯一下生成对抗网络GAN,我们知道GAN由两个网络组成,一个是生成器网络G,一个是判别器网络D。G的任务是由输入的隐变量z生成一张图像G(z)出来,D的任务是区分G(z)和训练数据中的真实的图像(real images)。所以这里D的输入就有2个,但是这两个输入是共享D网络的参数的,简单说,也就是权重和偏置。而TensorFlow的变量共享机制,正好可以解决这个问题。但是我现在不能确定,TF的这个机制是不是因为GAN的提出
用户1622570
2018-04-11
2.1K0
[ Tensorflow]Tensorflow Reduction operations
reduce系列在平时工程中是经常使用的,其中reduce_sum是使用最频繁的一个。主要用在计算loss的时候,当我们定义好loss之后,我们一般要求loss最小,这时候就需要reduce系列。下面通过文档,我给大家简单介绍一下,不是特别难,但是不细心考虑一下,你可能永远觉得它是黑的。 其实人工智能AI,或者深度学习DL,我觉得并不是什么传说的黑科技,真正最后落在技术上的,是纯粹的计算,也没多么的高深莫测。(./不喜轻拍.sh).我有个想法就是把复杂的问题,简单化,简单的问题,通俗化。其实每次写文章,我都
用户1622570
2018-04-11
1.1K0
[编程经验] 利用TensorFlow和argparse模块解析命令行参数
今天的内容主要包括如何用TensorFlow解析命令行参数和利用Python自带的argparse模块解析命令行参数。我会分别写一个例子,通过这个例子彻底学会如何在程序中解析命令行参数。 首先什么是命令行?简单理解一下就是在Windows里面命令行就是我们常说的cmd(Command Processor),而在Linux中就是shell。命令行参数就是可以写在命令行中的参数,而怎么让程序知道你在命令行中写了哪些参数,就是命令行参数解析。在Python中,或者说在机器学习中,程序中经常会涉及一些参数的设置,
用户1622570
2018-04-11
1.1K0
[Tensorflow] TensorFlow之Hello World!(2)
TensorFlow入门的第一篇和大家聊了?graph图,op操作,node节点。对TensorFlow有了一个简单的认识,今天主要和大家分享的是TensorFlow中constant 常量, Variable变量,Placeholder占位符,Session启动图,fetches,feed等几个基本概念。 接下来我们通过一些简单的栗子分别来学习一下他们都是什么鬼。 # constant # 导入模块 import tensorflow as tf """ 怎么定义常量,常量的意思和我们平时理解的常量是一
用户1622570
2018-04-11
9630
[Tensorflow] Tensorflow中模型保存与回收的简单总结
今天要聊得是怎么利用TensorFlow来保存我们的模型文件,以及模型文件的回收(读取)。刚开始接触TensorFlow的时候,没在意模型文件的使用,只要能顺利跑通代码不出bug就万事大吉,但是随着接触的数据量的增加以及训练时间的增长,万一中间由于各种原因(比如显卡线断了,电源线断了,手残点了X。。。,恩,没错都是我遇到的问题… ./摊手.sh)意外中断,而没有保存模型文件,那一刻想屎的心都有了。 那么问题来了,我们需要重头开始训练模型吗,答案肯定是不用的,当然前提是保存了模型文件。首先说一下这个模型文
用户1622570
2018-04-11
1.2K0
没有更多了
社区活动
【纪录片】中国数据库前世今生
穿越半个世纪,探寻中国数据库50年的发展历程
Python精品学习库
代码在线跑,知识轻松学
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档