嘘、小点声

LV1
发表了文章

EdgeXFoundry微服务中文翻译-命令(未完)

https://docs.edgexfoundry.org/1.2/microservices/core/command/Ch-Command/

嘘、小点声
发表了文章

EdgeXFoundry微服务中文翻译-元数据(未完)

https://docs.edgexfoundry.org/1.2/microservices/core/metadata/Ch-Metadata/

嘘、小点声
发表了文章

EdgeXFoundry微服务中文翻译-核心服务

https://docs.edgexfoundry.org/1.2/microservices/core/Ch-CoreServices/

嘘、小点声
发表了文章

edgeXFoundry中modbus通信部署和测试(待续)

modbus协议分为基于tcp/ip的modbus tcp和和基于RS485接口的modbus rtu两种通信方式。

嘘、小点声
发表了文章

Openwrt智能路由系统开发--内容总结

iptables通过/etc/config/firewall配置管理,包括默认配置,zone域管理,forwarding转发配置,rule规则配置,direct...

嘘、小点声
发表了文章

EdgeX foundry树莓派搭建与MQTT通讯

使用容器方法管理和搭建EdgeX:https://docs.edgexfoundry.org/1.2/getting-started/quick-start/

嘘、小点声
发表了文章

C语言学习截图保存

https://linuxtools-rst.readthedocs.io/zh_CN/latest/tool/gdb.html

嘘、小点声
发表了文章

使用python生成Latex公式语法

另外需要一些常用的数学包,首先在python本地将公式创建出来,如math包,scipy的积分生成包等

嘘、小点声
发表了文章

按部就班的吴恩达机器学习网课用于讨论(16)

针对识别图片中的文本信息识别,分为文本区域检测,之后是将文本区域的字符分割,分割以后开始进行字符识别。

嘘、小点声
发表了文章

按部就班的吴恩达机器学习网课用于讨论(15)

数据越多,自然训练效果越好,在训练过程中,过拟合与欠拟合的指标通过绘图确定,据此调整超参数。

嘘、小点声
发表了文章

按部就班的吴恩达机器学习网课用于讨论(14)

如下是一个电影评分系统。某个用户没有看过某电影时,通过得到预测评分来判断是否推荐该电影给该用户。

嘘、小点声
发表了文章

李宏毅的强化学习视频用于梳理翻阅(4)奖励、模仿

curiosity模型中,在原来DQN的基础上,建立了Network1,用于在?_?和?_?的条件下预测输出的下一个状态,与实际在MDP的一个片段上输出的,下一...

嘘、小点声
发表了文章

按部就班的吴恩达机器学习网课用于讨论(13)

为了进行数据条目的异常检测(正样本很少的二分类问题),使用密度估计的方法,在每条数据中,每个x的特征可能性为?(?)。

嘘、小点声
发表了文章

按部就班的吴恩达机器学习网课用于讨论(12)

将二维数据降低到一维数据的方法,有直接替换的方法。下图中,将数据条目的二维特征x1,x2,转化为了一维特征z1。其中,x1和x2是直接相关的(因为四舍五入出现了...

嘘、小点声
发表了文章

李宏毅的强化学习视频用于梳理翻阅(3)值

MC(Monte-Carlo)的方法,在Sutton的书中有比较权威并详细的说明。地址:https://rl.qiwihui.com/zh_CN/latest/...

嘘、小点声
发表了文章

tensorflow零起点快速入门(7),截图整理

tf.one_hot的必要性在于:one_hot方式,去掉了标签的顺序影响,让输出标签之间的欧式距离相等。而不是认为,标签1和标签3的距离,与标签2和标签3的距...

嘘、小点声
发表了文章

按部就班的吴恩达机器学习网课用于讨论(11)

知道了核函数的表示形式(使用例如高斯核函数作为工具,计算样本x和地标l之间的距离作为特征f,其中f为核函数),之后就是讨论核函数地标的选择。

嘘、小点声
发表了文章

李宏毅的强化学习视频用于梳理翻阅

最终说明OpenAI的默认强化学习算法PPO的部分。(Proximal Policy Optimization)

嘘、小点声
发表了文章

李宏毅的强化学习视频用于梳理翻阅(2)

在之前的Policy Gradient算法中,其运行结果不够稳定的至少一条原因是:奖励项不够稳定。

嘘、小点声
发表了文章

按部就班的吴恩达机器学习网课用于讨论(10)

比如在一个肿瘤预测的问题上,当大量的样本为负样本(实际上没有肿瘤99.5%),只有少数的样本为正样本(实际存在肿瘤0.5%)。那么评判一个机器学习模型的指标,就...

嘘、小点声

个人简介

个人成就

扫码关注云+社区

领取腾讯云代金券