开源中国

我们不支持 IE 10 及以下版本浏览器

It appears you’re using an unsupported browser

为了获得更好的浏览体验,我们强烈建议您使用较新版本的 Chrome、 Firefox、 Safari 等,或者升级到最新版本的IE浏览器。 如果您使用的是 IE 11 或以上版本,请关闭“兼容性视图”。
博客专区 - 开源中国社区

精彩阅读

  • 最新推荐

  • 今日热门

  • 本周热门

  • 每日一博

  • 最新文章

Watson人工智能实现创新实践分享-认知解决方案-刘咏梅

主题:快速、安全——可交付的企业级创新 1.      活动介绍: 来自IBM的技术大咖们将带着最新最潮的热点技术来到北京与中小微客户业务决策人进行一场精彩绝伦的线下交流。本次沙龙本着用前沿技术来解决中小微企业难题的初衷,重点讲述前沿场景案例,利用前沿技术/业务领域决策者着重优化过的议题内容,从解决客户实际痛点和开阔客户产品应用思路出发,让大家深入了解前沿技术的同时,把原本大家以为遥不可及的前沿技术应用到实际业务中去。此外,大家还有机会和技术大咖进行面对面的交流切磋,全方位了解和提高公司业务技能。 2.      主办方:IBM     协办方:开源中国 3.      活动时间:2017年5月20日下午13:30-17:00 4.      活动地点:北京市海淀西大街70号(中关村创业大街)3W咖啡2层多功能会议厅 5.      活动规模:50-60人 6.      有开发需求的中小微企业众包平台活跃用户, 码云活跃用户或者有意愿参与用户 7.      沙龙活动,嘉宾演讲&观众问答,有奖互动 ,我要报名! 8.      日程安排: 9.      嘉宾介绍: a)     胡香冬——IBM Bluemix解决方案架构师。2005年加入IBM中国软件开发中心,先后从事Rat...
OSC_Lucy 发布于 1周前 阅读 287

IBM Bluemix解决方案架构师--胡香冬 《Bluemix创新平台》

主题:快速、安全——可交付的企业级创新 1.      活动介绍: 来自IBM的技术大咖们将带着最新最潮的热点技术来到北京与中小微客户业务决策人进行一场精彩绝伦的线下交流。本次沙龙本着用前沿技术来解决中小微企业难题的初衷,重点讲述前沿场景案例,利用前沿技术/业务领域决策者着重优化过的议题内容,从解决客户实际痛点和开阔客户产品应用思路出发,让大家深入了解前沿技术的同时,把原本大家以为遥不可及的前沿技术应用到实际业务中去。此外,大家还有机会和技术大咖进行面对面的交流切磋,全方位了解和提高公司业务技能。 2.      主办方:IBM     协办方:开源中国 3.      活动时间:2017年5月20日下午13:30-17:00 4.      活动地点:北京市海淀西大街70号(中关村创业大街)3W咖啡2层多功能会议厅 5.      活动规模:50-60人 6.      有开发需求的中小微企业众包平台活跃用户, 码云活跃用户或者有意愿参与用户 7.      沙龙活动,嘉宾演讲&观众问答,有奖互动 ,我要报名! 8.      日程安排: 9.      嘉宾介绍: a)     胡香冬——IBM Bluemix解决方案架构师。2005年加入IBM中国软件开发中心,先后从事Rat...
OSC_Lucy 发布于 2周前 阅读 265

【福利】蓝色巨人的云计算PaaS平台IBM Bluemix免费试用!

IBM Bluemix,包含认知、物联网、大数据分析、安全、DevOps、应用、应用整合、移动、计算、网络、存储等 11 大类共 140 多个服务的云计算平台。
IBM Bluemix

MNIST 机器学习入门(TensorFlow)

为0知识入门TensorFlow和机器学习的开发者准备的 MNIST 入门教程
随风溜达的向日葵 发布于 4周前 阅读 989 评论 3 点赞 2

TensorFlow入门

TensorFlow入门介绍
随风溜达的向日葵 发布于 1个月前 阅读 2333 评论 16 点赞 7

Windows安装TensorFlow

介绍在Windows下安装TensorFlow
随风溜达的向日葵 发布于 1个月前 阅读 936 评论 1 点赞 3

用Mxnet和Tensorflow做简单多分类器的对比测试

几个月前,刚开始接触mxnet和Tensorflow时,编写的自己案例使用的就是简单的数据集iris。因为它足够简单(只有3个分类,150条数据),很容易分析。 和很多研究者不太一样,他们只是跑跑训练程序,看看打印出来的train accuracy就结束了。我训练完模型后,还喜欢继续编一些自定义的数据,然后让模型去做预测或分类,看看模型是否足够好。对Iris数据集,我用mxnet实现了一个MLP模型进行分类。在训练完后(打印出来的train accuracy在0.9以上的),马上做一些自定义数据的预测,结果发现预测分类结果很差,没法用。当时觉得是自己不熟悉Mxnet ,所以才会有这样的结果,就不管了。可是,后来转为用Tensorflow实现类似的MLP模型对iris数据集进行分类,然后预测同样的自定义数据,突然发现Tensorflow的代码表现很不错。这种强烈对比差距让我很惊讶,于是又用mxnet和Tensorflow编写MLP模型测试另外两个数据集,结果还是如此(Tensorflow基本可以分类,mxnet不行)。我把一些测试的数据列出来:   测试1. sonar dataset(两个标签值,60个特征,208条数据。): a)Tensorflow codes : train Accuracy: 0.833333 测试4个新的数据: New samples accuracy: 0. 50000   b) mxnet codes: tr...
qinhui99 发布于 2个月前 阅读 228

基于Tensorflow的验证码识别

最近在入门机器学习,本文作为入门阶段的 "Hello World",旨在学习一些Tensorflow的API和机器学习概念。 步骤 采集验证码图片 处理图片:灰度、去噪、分割 分类图片,准备训练数据:将0-9数字图片放入对应文件夹,转化成数据 编写训练模型 调用模型,形成识别系统   采集验证码图片 随便找一个需要输入图像验证码的网页,最好先简单一点的只有数字的,并且人眼识别也比较容易的。 这步比较简单,关键是去网页上识别验证码接口url,然后按照一些网上教程写个简单的Python程序抓取那些图片。python实现简单爬虫功能 处理图片 电脑装不上PIL,所以只能使用Java去处理,言语只是工具,注重方法。对图片进行灰度、去噪、分割处理。 灰度化 灰度处理是指将彩色图片转化成只有黑白灰色。 每个像素点有Red、Green、Blue三种颜色组成,每个分量用数字0-255表示(十六进制:0x00 - 0xff),当三个分量(RGB)一样时表现出来就是灰度色(白色RGB(255, 255, 255), 黑色RGB(0, 0, 0))。 所以,灰度化是将三分量转化成一样数值的过程 公式如下: int gray = (int) (0.3 * r + 0.59 * g + 0.11 * b); 再使用二值法将图片色彩转化成非黑即白,可以过滤一些感染的噪音,因为人眼在识别验证码时...
alexqdjay 发布于 2个月前 阅读 1847 评论 5 点赞 6

搜狗大数据总监、Polarr 联合创始人关于深度学习的分享交流

深度学习框架选型及未来趋势的探讨交流
Myl123 发布于 3个月前 阅读 419

Tensorflow第一个例子

安装完Tensorflow之后,尝试经典的MNIST手写体识别的例子。该例子在安装tensorflow之后自带,可在如下目录中找到(Anaconda_PATH代表安装Anaconda的目录位置) Anaconda_PATH\envs\TensorFlow\Lib\site-packages\tensorflow\examples\tutorials\mnist 该目录中包含三个例子mnist_softmax.py,fully_connected_feed.py,mnist_with_summaries.py。其他几个文件是这几个例子执行时需要引用的。先从最简单的例子mnist_softmax.py来说明tensorflow的基本概念和原理。   mnist_softmax.py文件的内容如下: # Copyright 2015 The TensorFlow Authors. All Rights Reserved. # # Licensed under the Apache License, Version 2.0 (the "License"); # you may not use this file except in compliance with the License. # You may obtain a copy of the License at # # http://www.apache.org/licenses/LICENSE-2.0 # # Unless required by applicable law or agreed to in writing, software # distributed under the License is distributed on an "AS IS" BASIS, # WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied. # See the License for the...
propagator 发布于 3个月前 阅读 615 评论 4 点赞 1

人工神经网络之几何原理Ⅰ:单(隐藏)层神经网络

本文旨在通过几何方法来阐述为何人工神经网络能够有效地工作。
chishaxie 发布于 3个月前 阅读 1982 评论 14 点赞 1 打赏 1

【机器学习】Andrew Ng梯度下降法实战

感触很深,同样一个课题,人工做实验想路子一路下来要花好久才能总结出一个公司,而机器学习的方法几分钟就把系数弄出来了。收敛也很快。
Parser7 发布于 1年前 阅读 374 点赞 1

迁移学习:数据不足时如何深度学习

  策划|Tina    编辑|大愚若智   使用深度学习技术解决问题的过程中,最常见的障碍在于训练模型过程中所需的海量数据。需要如此多的数据,原因在于机器在学习的过程中会在模型中遇到大量参数。在面对某一领域的具体问题时,通常可能无法得到构建模型所需规模的数据。然而在一个模型训练任务中针对某种类型数据获得的关系也可以轻松地应用于同一领域的不同问题,这就是所谓的迁移学习。 我认为实现人工智能的难度无异于建造火箭。需要有一个强大的引擎,还有大量的燃料。如果空有强大的引擎但缺乏燃料,火箭肯定是无法上天的。如果只有一个单薄的引擎,有再多燃料也无法起飞。如果要造火箭,强大的引擎和大量燃料是必不可少的。以此来类比深度学习的话,深度学习引擎可以看作火箭引擎,而我们为算法提供的海量数据可以看作是燃料。             — Andrew Ng 最近深度学习技术突然开始大肆流行,并在语言翻译、玩策略游戏,以及无人驾驶汽车等涉及到数百万数据量的领域取得了醒目的成果。使用深度学习技术解决问题的过程中,最常见的障碍在于训练模型过程中所需的海量数据。需要如此多的数据,原因在于机器在学习的过程中会在模型中遇到大量参数。 例...
ZZK23 发布于 1个月前 阅读 24

【福利】蓝色巨人的云计算PaaS平台IBM Bluemix免费试用!

IBM Bluemix,包含认知、物联网、大数据分析、安全、DevOps、应用、应用整合、移动、计算、网络、存储等 11 大类共 140 多个服务的云计算平台。
IBM Bluemix

图灵机器人(智能云交互API)的一个java实现简单例子

图灵机器人API可以用来做机器人的智能交互,上传一段话,该云机器人可以以json格式返回一个比较智能的回答,它支持云机器人的知识库管理和调教。  以下是一个Java实现的简单例子,可以直接运行,更改question的问题可以得到相应的回答: package com.ultrasoft; import java.io.BufferedReader; import java.io.IOException; import java.io.InputStreamReader; import java.io.UnsupportedEncodingException; import java.net.HttpURLConnection; import java.net.MalformedURLException; import java.net.URL; import java.net.URLEncoder; /** * 图灵机器人测试程序 * @author Sword * */ public class Tuling { public static void main(String[] args) throws IOException { //申请的APIKey String APIKEY = "e7a1447ed2182d57758ca845e5a0f36e"; // 这是上传给云机器人的问题 String question = "什么是人工智能?"; tulingQA(APIKEY,question); } public static void tulingQA(String APIKEY,String question) throws UnsupportedEncodingException, MalformedURLException, IOException { String INFO = URLEncoder.encode(que...
郑光宗 发布于 3周前 阅读 12

通过maven调用tesseract引擎

用tesseract进行ocr识别,此处用了google的JNI,类似于谷歌的opencv的JNI
freeli 发布于 1周前 阅读 14

word2vec 中的数学原理详解

word2vec 是 Google 于 2013 年开源推出的一个用于获取 word vector 的工具包,它简单、高效,因此引起了很多人的关注。由于 word2vec 的作者 Tomas Mikolov 在两篇相关的论文 [3,4] 中并没有谈及太多算法细节,因而在一定程度上增加了这个工具包的神秘感。一些按捺不住的人于是选择了通过解剖源代码的方式来一窥究竟,出于好奇,我也成为了他们中的一员。读完代码后,觉得收获颇多,整理成文,给有需要的朋友参考。   相关链接 (一)目录和前言 (二)预备知识 (三)背景知识 (四)基于 Hierarchical Softmax 的模型 (五)基于 Negative Sampling 的模型 (六)若干源码细节
一点儿也没吃胖 发布于 6天前 阅读 3

Python文件操作

文件是一种可用于存储长期数据的稳定容器,典型的Python文件操作包括:打开文件、读取文件内容或写入文件内容,关闭文件三个步骤。你可以对打开的文件作纯读取('r'模式),复写模式('w'模式)或者追加模式('a'模式),Python默认是只读模式。
飞扬小初 发布于 13小时前 阅读 1

《欢乐颂》五大美女财商,谁才是你的菜!

  《欢乐颂2》,又开播了,剧中的5美又霸屏了,你最喜欢哪个女生?你最想成为哪个女生?论财商,你觉得哪位女主的财商最高的呢?     樊胜美资深外企HR   香艳美人,非她莫属。论美艳和女人味,欢乐颂里的几个女生都不及她。 论财力,她月入一万,没什么积蓄,基本是月光一族。背后沉重的家庭负担让她只好穿着一身地摊货。然而又不甘于蹉跎这张美艳动人的脸,所以即使不堪重负,也要敷着2000元四张的面膜,可见她也没有很好的消费习惯,更没有理财观念。财商基本为零。   邱莹莹办公室里的拎不清 首先,邱莹莹虽然相貌一般,月入4千左右,消费能力一般。但胜在有简单的理财概念。了解自己的收入水平,因此,生活中也不会大手大脚地花钱。其次,她看成功学的书籍,一天喝30多杯咖啡的行为虽然有些激进。但是她勇于寻求解决办法,积极开源的做法还是非常值得学习的。从这些来判断,邱莹莹的财商基本处于及格线。   假以时日,这个姑娘一定能够凭借自己的拼劲做成自己的小生意,并且小有积蓄,简单快乐地生活。 关雎尔500强小白兔实习生  关于财力。目前的剧集来看,关雎尔生活朴素,是个典型的宅女,除了听激光唱片,早起跑步,就是上班和睡觉。基本没有娱乐活动。不过...
蓝色的格 发布于 3小时前 阅读 1

传统平面广告已OUT出局,VR全景异军突起——VR全景智慧城市

VR,近两年异军突起的“黑科技”。从1935年斯坦利·温鲍姆首次在小说中描述VR眼镜,到如今PC头盔、VR分体机以及VR一体机的相继问世,VR自身已从虚拟走向现实。而当硬件迭代逐步稳定,作为增加用户黏性及用户吸引力的核心力量,各类VR内容便开始发力。VR看到的场景和人物尽管全是假的,但把人的意识带入一个虚拟的世界。这种打破空间与时间的限制,足不出户游览世界各地美景,让客户“身临其境”的畅快体验,让客户在视觉、听觉、触觉等感官世界制造虚拟的真实环境,让使用者如同身历其境。更快更好地获得丰富的信息,高效地促成交易,大大地提高销售业绩。 无论在是什么时候,中小企业都是一个地区的支柱,然而在众多企业中能够脱颖而出成为大型企业的却并不多,往往我们看到的都是这些小企业不断的落寞消失,新兴出现。这就是市场现状,我想各位早就深有感触了,企业落没并不全是自己的产品不行,更多的原因是没有足够的客户,宣传推广上投入的力度不够,用过很多不知名的小品牌的人一定了解,有的质量真的非常好,但碍于知名度的问题,也不得不夭折了。 全景的出现就是可以高效率的把企业推广出去,让更多的客户接触到企业自己的产品,形成一种影响力。 全景的精髓就在于...
JY全景智慧城市 发布于 3小时前 阅读 1

柬埔寨赌场合法吗?哪边有多少个赌场?

柬埔寨有多少个睹场许静雯:微.l3O.信.22l5.电.4772.话,经常在网上看到网友们在问:千佛之国是哪里?柬埔寨有什么好玩的?去柬埔寨旅游有哪些景点比较好玩等等诸如此类的问题。没去过当然不知道,所以这些问题也是可以理解的。 黄昏时分,暮色渐起,在洞里萨河畔坐上接泊两岸的渡船,,混杂在本地人和游客的庞大阵型中,张望夕照打在水面上,风过浪涌,裂成片片碎金,渡船被夕阳镀上了一声橙色,施施然驶过,有份不带走一片云彩的深邃意味。
来的洒 发布于 2小时前 阅读 1

深度学习入门

无论即将到来的是大数据时代还是人工智能时代,亦或是传统行业使用人工智能在云上处理大数据的时代,作为一个有理想有追求的程序员,不懂深度学习(Deep Learning)这个超热的技术,会不会感觉马上就out了? 现在救命稻草来了,《零基础入门深度学习》系列文章旨在讲帮助爱编程的你从零基础达到入门级水平。零基础意味着你不需要太多的数学知识,只要会写程序就行了,没错,这是专门为程序员写的文章。 深度学习是啥 在人工智能领域,有一个方法叫机器学习。在机器学习这个方法里,有一类算法叫神经网络。神经网络如下图所示: 上图中每个圆圈都是一个神经元,每条线表示神经元之间的连接。 我们可以看到,上面的神经元被分成了多层,层与层之间的神经元有连接,而层内之间的神经元没有连接。 最左边的层叫做 输入层 ,这层负责接收输入数据;最右边的层叫 输出层 ,我们可以从这层获取神经网络输出数据。输入层和输出层之间的层叫做 隐藏层 。 隐藏层比较多(大于2)的神经网络叫做深度神经网络。 而深度学习,就是使用深层架构(比如,深度神经网络)的机器学习方法。 那么深层网络和浅层网络相比有什么优势呢?简单来说深层网络的表达力更强。 事实上,一个仅有一...
阿锋zxf 发布于 2小时前 阅读 1

用SVD压缩深度模型(DNN,CNN)的全连接层(fully-connected layer)

转载请注明出处,否则将依法追究版权 全连接层出现在DNN和 CNN中.很多论文[介绍了如何用SVD,VQ,Sparse code压缩全连接层,这些方法不是端到端地训练一个新模型,而是对训练好的模型压缩其全连接层的权重矩阵,在应用实现中则需要同时考虑对权重和偏移的处理. 实际上权重和偏移的维度不相同,处理方法是不同的.本文将系统性地介绍在应用实现中,如何利用下述方法压缩权重矩阵,同时处理与之对应的偏移量,从而实现全连接层压缩的整个过程. 首先深入研究两个相邻全连接层的运算原理,理解权重矩阵 和偏移 的关系.如下图所示,第L层有m个神经元,第(L+1)层有n个神经元,因此相邻两个全连接层的权重矩阵 是一个 的2维矩阵.全连接层输入 与输出 的映射关系是 .即L层所有神经元与第(L+1)层的某个神经元的连接共享同一个偏移量,因此相邻两个全连接层的偏移量是一个1维向量,包含n个元素. 奇异值分解(SVD)压缩算法. 如下图所示,基于SVD的全连接层压缩方法就是引入一个中间层L’,该中间层包含 c个神经元, .因此可以减少连接数和权重规模,权重矩阵规模从 mn减少到(m+n)c ,从而降低运行深度模型的计算和存储需求. DeepX运用了基于SVD的面向层的压缩技术,处理训练好的模型参数,以减少参数规模,...
刘小米 发布于 2个月前 阅读 41

面试相关

http://www.cnblogs.com/xrq730/p/5260294.html
左龙龙 发布于 2个月前 阅读 1

搜索:文本的匹配算法

搜索即找到跟搜索词句很相似的文本,例如在百度中搜索"人的名",结果如下 那么怎么评价两个文本之间的相似度呢? 余弦相似度  (cosine similiarity) 本文介绍基于VSM (Vector Space Model) 的 余弦相似度 算法来评价两个文本间的相识度。 余弦相似度,又称为余弦相似性。通过计算两个向量的夹角余弦值来评估他们的相似度。 -- 百度百科 两个空间向量之间的夹角越小,我们就认为这两个向量越吻合,cosθ 越大,当完全重合时 cosθ = 1 由余弦定律可知:(原谅我百度盗的公式图) 展开, 假设是n个维度一般化公式如下: 公式已经有了,我们需要将文本转化成可以计算的数据。 那么怎么把文本转化成向量呢? 文本向量化 使用词袋one-hot的方式,就是形成一个词的字典集,然后将文本中的词投射到词袋中,对应的位置用出现的频次填充,没有的填充零,例如有这么个词袋: 0 苹果 1 手机 2 魅族 3 非常 4 好用 5 美观 6 完美 7 小米 8 平板 9 薄 每个词前面的数字表示序号(索引) 有四句话 A:苹果/手机/非常/美观 B:苹果/手机/非常/好用 C:小米/手机/非常/好用 D: 魅族/平板/非常/好用 转化为向量 A: [1, 1, 0, 1, 0, 1, 0, 0, 0, 0] B: [1, 1, 0, 1, 1, 0, 0, 0, 0, 0] C:...
alexqdjay 发布于 2个月前 阅读 23

奇异值分解SVD

对于方阵而言的,矩阵特征的提取采用特征值分解。而现实世界中,我们看到的大部分矩阵都不是方阵。怎样才能描述这样普通的矩阵呢的重要特征呢?奇异值分解可以用来干这个事情。 from the theory of linear algebra, there exists a decomposition of  such that  and  are orthogonal matrices and  is a diagonal matrix. This is called a singular value decomposition (SVD): The matrix products giving us the term and document correlations then become Since  and  are diagonal we see that  must contain the eigenvectors of , while  must be the eigenvectors of . Both products have the same non-zero eigenvalues, given by the non-zero entries of , or equally, by the non-zero entries of . 摘自:维基百科 附:计算svd的算法时间复杂度为O(N^3) 参考: 【1】机器学习中的数学(5)-强大的矩阵奇异值分解(SVD)及其应用 ...
千面人 发布于 1个月前 阅读 4

群控系统骗局

2016年上半年第一批使用奥创群控微营销系统的人大都赚的盆满钵满,留下无数神话坊间传颂, 7个人月入280万,北京大老板3000万现金收购公司,让人艳羡。2017成为群控风口元年,很多人看到了群控市场的红利,找两个技术员就开始抄袭模仿,竞相拼价,给钱就卖,可用性和稳定性可想而知,成为群控市场混乱动荡的一年。群控系统骗局也层出不穷,让不少人中招,群控系统坑人套路时见报端。突然想起15年的P2P行业,一片红海,有实力的企业却凤毛麟角,最后被坑被骗的还是获取信息有限的忠实客户。今年群控市场在很短时间内爆发出大片的群控品牌,有人做群控,有人做线控,有人做云控,妄图在这波红利里圈一波钱就走。却鲜有用心去
奥创群控 发布于 3周前 阅读 8

为什么机器学习行业的发展离不开 “开源”

2016 年底,Google DeepMind 开源了它们的机器学习平台 — DeepMind Lab。尽管像霍金教授这样的专家曾就人工智能技术发出过警告,谷歌仍决定向其他开发人员开源其软件,这也是它们进一步发展机器学习能力的一部分。他们不是唯一一家这样做的科技公司,Facebook 去年开源了其深度学习的软件,Elon Musk 的非营利组织 OpenAI 也发布了 Universe,这是一个可用于训练 AI 系统的开放软件平台。所以,为什么谷歌、OpenAI,以及其他的公司或机构都选择开源了它们的平台,这将会对机器学习的采用产生怎样的影响? 为什么开源机器学习? 上面所提到的例子给了我们美好的愿景,其实如果仔细观察,会留意到机器学习一直是开源的,而且开放的研发是机器学习有如今这样关注度的根本原因。 通过向公众提供自己学习平台,Google 已经验证了其 AI 研究的意识越来越高。这样做其实有很多优点,例如可为 Alphabet 发掘到新的人才和有能力的创业公司。同时,开发者能访问 DeepMind Lab 将有助于解决他们研究机器学习的一个关键问题 —— 缺乏训练环境。OpenAI 为 AI 推出了一个新的虚拟学校,它使用游戏和网站来训练 AI 系统。 目前非常需要向公众提供机器学习平台这样的举动。 5 个开源机器...
编辑部的故事 发布于 2个月前 阅读 1988 评论 7 点赞 2

TensorFlow入门

TensorFlow入门介绍
随风溜达的向日葵 发布于 1个月前 阅读 2333 评论 16 点赞 7

MNIST 机器学习入门(TensorFlow)

为0知识入门TensorFlow和机器学习的开发者准备的 MNIST 入门教程
随风溜达的向日葵 发布于 4周前 阅读 989 评论 3 点赞 2

使用Tensorflow进行脸部识别

使用Tensorflow进行脸部识别
sca7 发布于 2个月前 阅读 497

人机大战之后我们会不会失业

在人工智能卷土重来的时候,我们大多数人会不会被失业?
wier 发布于 1天前 阅读 30

基于Tensorflow的验证码识别

最近在入门机器学习,本文作为入门阶段的 "Hello World",旨在学习一些Tensorflow的API和机器学习概念。 步骤 采集验证码图片 处理图片:灰度、去噪、分割 分类图片,准备训练数据:将0-9数字图片放入对应文件夹,转化成数据 编写训练模型 调用模型,形成识别系统   采集验证码图片 随便找一个需要输入图像验证码的网页,最好先简单一点的只有数字的,并且人眼识别也比较容易的。 这步比较简单,关键是去网页上识别验证码接口url,然后按照一些网上教程写个简单的Python程序抓取那些图片。python实现简单爬虫功能 处理图片 电脑装不上PIL,所以只能使用Java去处理,言语只是工具,注重方法。对图片进行灰度、去噪、分割处理。 灰度化 灰度处理是指将彩色图片转化成只有黑白灰色。 每个像素点有Red、Green、Blue三种颜色组成,每个分量用数字0-255表示(十六进制:0x00 - 0xff),当三个分量(RGB)一样时表现出来就是灰度色(白色RGB(255, 255, 255), 黑色RGB(0, 0, 0))。 所以,灰度化是将三分量转化成一样数值的过程 公式如下: int gray = (int) (0.3 * r + 0.59 * g + 0.11 * b); 再使用二值法将图片色彩转化成非黑即白,可以过滤一些感染的噪音,因为人眼在识别验证码时...
alexqdjay 发布于 2个月前 阅读 1847 评论 5 点赞 6

指日可待(17个锦囊+1个空锦囊),PostgreSQL 10新特性

指日可待,PostgreSQL 10新特性 该文由 Robert Haas 撰写,只是翻译 [英文原址](read:http://rhaas.blogspot.jp/2017/04/new-features-coming-in-postgresql-10.html) 这些即将在PostgreSQL 10中到来的新特性会给人印象深刻, 自8.4版本以来 Haas就一直参与PostgreSQL项目,并未曾大开眼界, 许多人已经在不同的地方讲解了这些特性,这里只是特性的汇总, 于我见,这些事PostgreSQL10中可见的最大的一些变更。 [免责声明: (1) 其他人可能持有不同的意见 (2) 一些已经加进去的补丁再被退回,基本是不可能的 (3) 这些由整个PostgreSQL完成的工作,不是个人,不提供保证 ] # 重要特性 ## [声明分区](https://git.postgresql.org/gitweb/?p=postgresql.git;a=commit;h=f0e44751d7175fa3394da2c8f85e3ceb3cdbfe63) 在以前的版本中,PostgreSQL提供了表继承来模拟表分区,但是,配置复杂,性能并不很好。在PostgreSQL 10中,使用专用语法可以使用列表或者范围分区,并且INSERT性能拥有较高的提升。未来的版本中,在提高性能,填充特性方面还有更多的工作要做,但是在v10中已经是一个不错的开头(IMHO,无论如何)。 ## [逻辑复制] PostgreSQL从版本9.0开始拥有了物理复制(通常称为流式...
MtrS 发布于 2个月前 阅读 336

2017-04-16 下午阅读

http://v.youku.com/v_show/id_XODAzOTY1MTM2.html?x 从1995-2035 的程序设计语言: 程序设计语言会变成一种大众的语言,就像挖掘机一样普及开来,需要深入学习。 https://www.zhihu.com/question/26231919 大学的开放课程: 会变得像高中一样普及。 http://kczx.whu.edu.cn/g2s/template/view.aspx?courseid=28124&topmenuid=121440&action=view&type=1&name=&menutype=1
MtrS 发布于 1个月前 阅读 69

TensorFlow入门

TensorFlow入门介绍
随风溜达的向日葵 发布于 1个月前 阅读 2333 评论 16 点赞 7

给大家推荐几个免费又好用的VPN工具

美国免费VPN软件 如果你需要上谷歌、Facebook、YouTube,国外VPN是首选,速度更快更稳定。   VPNGate:http://www.vpngate.net/cn/ VPN Gate 是一个以学术研究为目的,由日本筑波大学负责运营的一个公益项目。你可以通过他们的网站下载客户端,所有的免费VPN服务器都是由世界各地的志愿者们贡献的,服务器非常多,没有任何限制,也不带广告。 虽然VPN Gate服务器很多,但是因为使用人数超载,再加上GFW的封锁,很难找到一条速度快又稳定的线路。   CyberGhost:http://www.cyberghostvpn.com/en 速度不错,不限制使用流量。提供15个国家的VPN服务器,包括美国、英国、法国,德国等。3小时自动断线一次,当然你可以马上再次登录。支持Windows, Mac 和 Android。免费客户端自带有广告。 同时,CyberGhost还提供付费VPN服务(2欧/月),付费的速度更快,无广告,并且能使用更多的服务器。   Spotflux Lite:http://spotflux.com/ 不同于其他免费VPN,Spotflux Lite不仅有客户端,还有Chrome浏览器插件,使用很方便。但是速度并不稳定,带广告,只能连美国服务器。   Hotspot Shield:https://www.hotspotshield.com/zh/ 不限流量,不自动断线,速度也不错。有美国、英国、...
wg_code 发布于 2个月前 阅读 564

实机操作,由IBM的技术大咖带领如何在短时间内迅速上线人工智能应用,名额有限快来报名!”

本次活动还特别设有实机操作环节,由IBM的技术大咖带领开发者在短时间内迅速上线人工智能应用。另外在最后,大家还可以参观体验IBM的创新中心,切身体会技术给时代带来的改变。
IBM技术沙龙

使用Tensorflow进行脸部识别

使用Tensorflow进行脸部识别
sca7 发布于 2个月前 阅读 497

MNIST 机器学习入门(TensorFlow)

为0知识入门TensorFlow和机器学习的开发者准备的 MNIST 入门教程
随风溜达的向日葵 发布于 4周前 阅读 989 评论 3 点赞 2

基于Tensorflow的验证码识别

最近在入门机器学习,本文作为入门阶段的 "Hello World",旨在学习一些Tensorflow的API和机器学习概念。 步骤 采集验证码图片 处理图片:灰度、去噪、分割 分类图片,准备训练数据:将0-9数字图片放入对应文件夹,转化成数据 编写训练模型 调用模型,形成识别系统   采集验证码图片 随便找一个需要输入图像验证码的网页,最好先简单一点的只有数字的,并且人眼识别也比较容易的。 这步比较简单,关键是去网页上识别验证码接口url,然后按照一些网上教程写个简单的Python程序抓取那些图片。python实现简单爬虫功能 处理图片 电脑装不上PIL,所以只能使用Java去处理,言语只是工具,注重方法。对图片进行灰度、去噪、分割处理。 灰度化 灰度处理是指将彩色图片转化成只有黑白灰色。 每个像素点有Red、Green、Blue三种颜色组成,每个分量用数字0-255表示(十六进制:0x00 - 0xff),当三个分量(RGB)一样时表现出来就是灰度色(白色RGB(255, 255, 255), 黑色RGB(0, 0, 0))。 所以,灰度化是将三分量转化成一样数值的过程 公式如下: int gray = (int) (0.3 * r + 0.59 * g + 0.11 * b); 再使用二值法将图片色彩转化成非黑即白,可以过滤一些感染的噪音,因为人眼在识别验证码时...
alexqdjay 发布于 2个月前 阅读 1847 评论 5 点赞 6

Windows安装TensorFlow

介绍在Windows下安装TensorFlow
随风溜达的向日葵 发布于 1个月前 阅读 936 评论 1 点赞 3

Tensorflow开篇:环境安装2—tensorflow1.0.1

系统环境:window8.1、cpu; 软件环境:Anaconda3-4.2.0、python3.5.2、tensorflow1.01
优特品 发布于 2个月前 阅读 254

线性回归——回归预测

回归简介:        回归在数学上的意义是给定一个点集,能够用一条曲线去拟合之,如果这个曲线是一条直线,那就被称为线性回归,如果曲线是一条二次曲线,就被称为二次回归,回归还有很多的变种,如locally weighted回归,logistic回归。         用一个很简单的例子来说明回归,很多机器学习资料都会举这个例子——房屋价格预测,一座房屋的价格受很多因素影响,比如说有房屋面积,房间的数量,类型,地段,朝向等等,这些影响房屋价值的变量在机器学习中被称为特征(feature)。        特征在机器学习中是一个很重要的概念,有很多的资料是专门探讨特征的选取和处理。在此处,为了简简化问题,假设我们的房屋价格仅仅受到房屋面积的影响。 假设有一个房屋销售的数据如下:    面积(m^2)  销售价钱(万元)    123            250    150            320    87              160    102            220    …               …  我们可以做出一个散点图,x轴是房屋的面积。y轴是房屋的售价,如下:             如果来了一个新的在已知的信息中没有的面积,我们该怎么判断这座房屋的价格呢?答案是我们可...
clgo 发布于 4天前 阅读 22

Tensorflow第一个例子

安装完Tensorflow之后,尝试经典的MNIST手写体识别的例子。该例子在安装tensorflow之后自带,可在如下目录中找到(Anaconda_PATH代表安装Anaconda的目录位置) Anaconda_PATH\envs\TensorFlow\Lib\site-packages\tensorflow\examples\tutorials\mnist 该目录中包含三个例子mnist_softmax.py,fully_connected_feed.py,mnist_with_summaries.py。其他几个文件是这几个例子执行时需要引用的。先从最简单的例子mnist_softmax.py来说明tensorflow的基本概念和原理。   mnist_softmax.py文件的内容如下: # Copyright 2015 The TensorFlow Authors. All Rights Reserved. # # Licensed under the Apache License, Version 2.0 (the "License"); # you may not use this file except in compliance with the License. # You may obtain a copy of the License at # # http://www.apache.org/licenses/LICENSE-2.0 # # Unless required by applicable law or agreed to in writing, software # distributed under the License is distributed on an "AS IS" BASIS, # WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied. # See the License for the...
propagator 发布于 3个月前 阅读 615 评论 4 点赞 1

windows下安装tensorflow报错解决办法

在windows下安装tensorflow,需要下载python 3.5.X(x64)版本。 更新pip命令,python -m pip install --upgrade pip 之后:pip3 install --upgrade tensorflow 完成后,在python命令行中输入import tensorflow as tf 发现报错如下: 原因:windows系统中缺少Visual C++ 2015 redistributable (x64 version) 原帖:http://stackoverflow.com/questions/35277339/error-when-importing-tensorflow-in-python-on-windows/35277461#35277461 解决办法:下载Visual C++ 2015 redistributable (x64 version) 另:官方安装tensorflow教程:https://www.tensorflow.org/install/install_windows
遥望的心空 发布于 2个月前 阅读 144

Watson人工智能实现创新实践分享-认知解决方案-刘咏梅

主题:快速、安全——可交付的企业级创新 1.      活动介绍: 来自IBM的技术大咖们将带着最新最潮的热点技术来到北京与中小微客户业务决策人进行一场精彩绝伦的线下交流。本次沙龙本着用前沿技术来解决中小微企业难题的初衷,重点讲述前沿场景案例,利用前沿技术/业务领域决策者着重优化过的议题内容,从解决客户实际痛点和开阔客户产品应用思路出发,让大家深入了解前沿技术的同时,把原本大家以为遥不可及的前沿技术应用到实际业务中去。此外,大家还有机会和技术大咖进行面对面的交流切磋,全方位了解和提高公司业务技能。 2.      主办方:IBM     协办方:开源中国 3.      活动时间:2017年5月20日下午13:30-17:00 4.      活动地点:北京市海淀西大街70号(中关村创业大街)3W咖啡2层多功能会议厅 5.      活动规模:50-60人 6.      有开发需求的中小微企业众包平台活跃用户, 码云活跃用户或者有意愿参与用户 7.      沙龙活动,嘉宾演讲&观众问答,有奖互动 ,我要报名! 8.      日程安排: 9.      嘉宾介绍: a)     胡香冬——IBM Bluemix解决方案架构师。2005年加入IBM中国软件开发中心,先后从事Rat...
OSC_Lucy 发布于 1周前 阅读 287

Tensorflow开篇:环境安装1—Anaconda3-4.2.0

系统环境:window8.1、cpu; 软件环境:Anaconda3-4.2.0、python3.5.2、tensorflow1.01
优特品 发布于 2个月前 阅读 214

安装Facebook的ParlAI

运行案例: 环境要求 py3 zeromq 必备环境: python3 ZeroMq 下载地址:http://zeromq.org/distro:microsoft-windows   安装命令过程: git clone https://github.com/facebookresearch/ParlAI.git cd ParlAI python setup.py develop 安装问题列表: 问题一 UnicodeDecodeError: 'gbk' codec can't decode byte 0x9d in position 1270: illega 解决方法:我把setup.py代码稍加修改了。 都是utf-8的 我这里很疑惑 去掉: with open('LICENSE') as f:     license = f.read() with open('requirements.txt') as f:     reqs = f.read() 初始化:  license='',  long_description='', 问题二: “error: Microsoft Visual C++ 14.0 is required.. 解决办法: 手工安装 pip install pyzmq  问题三: AttributeError: module 'parlai.tasks.babi.agents' has no attribute 'create_agents' TimeoutError: [WinError 10060] 由于连接方在一段时间后没有正确答复或连接的主机没 有反应,连接尝试失败。 解决办法: 安装ZeroMq    运行案例: F:\py\parlai\ParlAI>python examples/display_data.py -t babi:task1k:1 [no_images:False] [download_path:f:\py\parl...
我是老蔡 发布于 7天前 阅读 32

tensorflow保存模型和恢复模型的方法

1、简单模式。 每次都保存到同一个文件里。例如, if(i%50==0): #每50次保存一次模型 save_path = saver.save(sess, 'model/model.ckpt') #保存模型到model/model.ckpt,注意一定要有一层文件夹,否则保存不成功!!! 恢复模型也很简单: if os.path.exists('model/checkpoint'): #判断模型是否存在 saver.restore(sess, 'model/model.ckpt') #存在就从模型中恢复变量 2、复杂模式。 固定训练n轮后,每次保存在不同的文件里。例如, if epoch % 5 == 0: try: saver.save(sess, 'model/speech', global_step=epoch) except Exception as e: print ("Exception", e) 这样每5轮,就会把模型和参数保存到不同的文件里。model文件夹下会逐步出现speech-0,speech-5...等模型文件。 如果想要恢复到最新的模型,可以这样: saver.restore(sess, tf.train.latest_checkpoint('model/.')) 如果想要恢复到指定名字的模型,可以这样: saver.restore(sess, "model/speech-5")  ...
qinhui99 发布于 7天前 阅读 31

人工智能:TensorFlow 带你进入深度学习的世界

目前看来,对于人工智能这个领域依然有不少怀疑的声音,但不可否认的是,人工智能仍然是未来的发展趋势。而 TensorFlow 作为深度学习框架的领头者,值得大家去了解学习。
编辑部的故事 发布于 2个月前 阅读 3453 评论 3 点赞 5

用Mxnet和Tensorflow做简单多分类器的对比测试

几个月前,刚开始接触mxnet和Tensorflow时,编写的自己案例使用的就是简单的数据集iris。因为它足够简单(只有3个分类,150条数据),很容易分析。 和很多研究者不太一样,他们只是跑跑训练程序,看看打印出来的train accuracy就结束了。我训练完模型后,还喜欢继续编一些自定义的数据,然后让模型去做预测或分类,看看模型是否足够好。对Iris数据集,我用mxnet实现了一个MLP模型进行分类。在训练完后(打印出来的train accuracy在0.9以上的),马上做一些自定义数据的预测,结果发现预测分类结果很差,没法用。当时觉得是自己不熟悉Mxnet ,所以才会有这样的结果,就不管了。可是,后来转为用Tensorflow实现类似的MLP模型对iris数据集进行分类,然后预测同样的自定义数据,突然发现Tensorflow的代码表现很不错。这种强烈对比差距让我很惊讶,于是又用mxnet和Tensorflow编写MLP模型测试另外两个数据集,结果还是如此(Tensorflow基本可以分类,mxnet不行)。我把一些测试的数据列出来:   测试1. sonar dataset(两个标签值,60个特征,208条数据。): a)Tensorflow codes : train Accuracy: 0.833333 测试4个新的数据: New samples accuracy: 0. 50000   b) mxnet codes: tr...
qinhui99 发布于 2个月前 阅读 228

搜狗大数据总监、Polarr 联合创始人关于深度学习的分享交流

深度学习框架选型及未来趋势的探讨交流
Myl123 发布于 3个月前 阅读 419

百度人脸识别API Java调用

http://ai.baidu.com/docs#FACE 1.人脸检测 2.人脸对比 3.人脸查找 官网有SDK API2种请求方式,sdk不需要写额外的工具类。百度已经提供。主流语言都是有的。 通过httpclient post方式,header body 内放入相关参数
小帅帅丶 发布于 2个月前 阅读 115 点赞 1

深度学习入门

无论即将到来的是大数据时代还是人工智能时代,亦或是传统行业使用人工智能在云上处理大数据的时代,作为一个有理想有追求的程序员,不懂深度学习(Deep Learning)这个超热的技术,会不会感觉马上就out了? 现在救命稻草来了,《零基础入门深度学习》系列文章旨在讲帮助爱编程的你从零基础达到入门级水平。零基础意味着你不需要太多的数学知识,只要会写程序就行了,没错,这是专门为程序员写的文章。 深度学习是啥 在人工智能领域,有一个方法叫机器学习。在机器学习这个方法里,有一类算法叫神经网络。神经网络如下图所示: 上图中每个圆圈都是一个神经元,每条线表示神经元之间的连接。 我们可以看到,上面的神经元被分成了多层,层与层之间的神经元有连接,而层内之间的神经元没有连接。 最左边的层叫做 输入层 ,这层负责接收输入数据;最右边的层叫 输出层 ,我们可以从这层获取神经网络输出数据。输入层和输出层之间的层叫做 隐藏层 。 隐藏层比较多(大于2)的神经网络叫做深度神经网络。 而深度学习,就是使用深层架构(比如,深度神经网络)的机器学习方法。 那么深层网络和浅层网络相比有什么优势呢?简单来说深层网络的表达力更强。 事实上,一个仅有一...
阿锋zxf 发布于 2小时前 阅读 1

机器学习——支持向量机算法

支持向量机(SVM)的基本模型是定义在特征空间上间隔最大的线性分类器,是一种二分类器,使用核函数后可以用于非线性分类。 支持向量机可以分为以下几种类型: 线性可分支持向量机:也称硬间隔支持向量机。 线性支持向量机:也称软间隔支持向量机,当数据近似线性可分时,通过软间隔最大化。 非线性支持向量机:,当书记不可分时,通过核函数及软间隔最大化,获得一个支持向量机 一:线性可分支持向量机: 假设训练集可以在特征空间中找到一个分离超平面,将所有正例划在超平面一边,将所有反例划在超平面另一边,则使用线性可分支持向量机。 首先给出一个非常非常简单的分类例子,我们要用一条直线,将下图中黑色的点和圆圈分开,如图上的线我们可以找到无数条直线划分两类点。     假如说,我们令黑色的点 = -1, 白色的点 =  +1,直线f(x) = w.x + b,这儿的x、w是向量,其实写成这种形式也是等价的f(x) = w1x1 + w2x2 … + wnxn + b。 在二维空间中我们需要一条线来划分,在三维空间中我们需要一个平面来划分,在n维空间中我们需要n-1维超平面进行划分。 定义决策函数为sgn(f(x)),sgn表示符号函数,当f(x) > 0的时候,sgn(f(x)) = +1, 当f(x) < 0的时候sgn(f(x)) =...
clgo 发布于 15小时前 阅读 3

实机操作,由IBM的技术大咖带领如何在短时间内迅速上线人工智能应用,名额有限快来报名!”

本次活动还特别设有实机操作环节,由IBM的技术大咖带领开发者在短时间内迅速上线人工智能应用。另外在最后,大家还可以参观体验IBM的创新中心,切身体会技术给时代带来的改变。
IBM技术沙龙

无人驾驶的分级以及产品化后会带来的改善

人工智能是时代,机器人开始作为服务的承载体出现,其中的一个具体事例就是无人驾驶的产品化。无人驾驶并不是一个单一的新技术,而是一系列技术的整合。本文将向您介绍这一技术对生活带来的改善以及无人驾驶的分级。 本文选自《第一本无人驾驶技术书》
李博SEO 发布于 20小时前 阅读 1

Eclipse曾经的行业之王_为何堕落了?

Eclipse,曾经的行业之王 Eclipse 是一款用 Java 编写的免费 Java IDE,Eclipse 允许你创建各种跨平台的可用于手机、网络、桌面和企业领域的 Java 应用程序,通过插件,它还支持对诸如包括C、C ++、JavaScript、Perl、PHP、Prolog、Python、R、Ruby等语言的开发。可以说Eclipse是那个时代当之无愧的王者。 Eclipse为何堕落了? 曾经,Eclipse作为一个时代的王者是那么的风光无限;又似乎一夜之间,它从王者一步步堕落了。Eclipse,曾经的行业之王,为何一步步堕落了? 如果说Eclipse走向死亡有一个转折点,那么这个转折点就是Eclipse 4的推出。在Eclipse 4版本中,Eclipse重新编写了所有的UI代码,我们看到的UI超级慢、漏洞很多、相当丑,相比对手IDEA真是垃圾到极点了,正如Joel Spolsky警告的,此举可能会导致死亡。 其次,让Eclipse没落的一点是体验。Equinox P2项目是Eclipse插件升级项目,它的目的是让Eclipse可以更高效的安装插件以提高开发效率,但是你或许经常遇到下面的情况。 插件安装的越多,我们的IDE就越来越臃肿,越来越卡。 最后,让Eclipse倒下的是竞争对手IDEA、NetBeans的崛起,Intellij Community Edition和Android Studio意味着你没有理由再在Java开发...
乱蓬头 发布于 23小时前 阅读 1

hadoop mapper reducer sample demo

package com.traveller.bumble.hadoop.mr.temperature; import com.traveller.bumble.hadoop.mr.wordcount.WordCountMapper; import com.traveller.bumble.hadoop.mr.wordcount.WordCountReducer; import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.fs.FileSystem; import org.apache.hadoop.fs.Path; import org.apache.hadoop.io.IntWritable; import org.apache.hadoop.io.Text; import org.apache.hadoop.mapreduce.Job; import org.apache.hadoop.mapreduce.lib.input.FileInputFormat; import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat; import java.io.File; import java.io.IOException; /** * Created by macbook on 2017/5/23. */ public class TemperatureApp { public static void main(String[] args) { try { String srcPath = args[0]; String destPath = args[1]; String isLocal = args[2]; boolean flag = false; //本地模式 if (isLocal.equals("1")) { File file = new File(destPath); ...
Heinrich_Chen 发布于 1天前 阅读 3

人机大战之后我们会不会失业

在人工智能卷土重来的时候,我们大多数人会不会被失业?
wier 发布于 1天前 阅读 30

图灵机器人API

http://www.tuling123.com/help/help_center.jhtml?nav=doc
swingcoder 发布于 1天前 阅读 2

在Win10上安装和运行XGBoost的GPU版本

XGBoost的GPU版本 Win10
qinhui99 发布于 2天前 阅读 5

java 操作 hadoop hdfs

java 操作 hadoop hdfs package com.traveller.bumble.hadoop.hdfs; import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.fs.*; import org.apache.hadoop.io.IOUtils; import org.junit.Test; import java.io.ByteArrayInputStream; import java.io.IOException; import java.io.InputStream; import java.io.OutputStream; import java.net.URL; import java.net.URLConnection; /** * Created by macbook on 2017/5/21. */ public class TestHDFS { // @Test public void testRead() { try { URL.setURLStreamHandlerFactory(new FsUrlStreamHandlerFactory()); URL url = new URL("hdfs://master:8020/user/master/my.cnf"); URLConnection conn = url.openConnection(); InputStream inputStream = conn.getInputStream(); IOUtils.copyBytes(inputStream, System.out, 1024); IOUtils.closeStream(inputStream); } catch (Exception e) { e.printStackTrace(); } } // @Test public void tes...
Heinrich_Chen 发布于 3天前

数据挖掘topic

##1.机器学习算法 **[常用算法公式汇总](http://www.cnblogs.com/zhizhan/p/4419601.html)** 1. 西瓜书 2. [logistic和朴素贝叶斯的区别](http://blog.csdn.net/chlele0105/article/details/38922551) 3. [神经网络: neural-networks-and-deep-learning-zh](http://neuralnetworksanddeeplearning.com/chap2.html#proof_of_the_four_fundamental_equations_(optional)) ##2.概率和线性代数 7. [期望、方差、协方差及相关系数的基本运算](http://blog.codinglabs.org/articles/basic-statistics-calculate.html) 9. [最大似然估计](http://blog.csdn.net/eric2016_lv/article/details/52885157) 10. [梯度下降法好文章](http://zhouyichu.com/machine-learning/Gradient-Descent/) 4. [特征值分解,奇异值分解,主成分分析](https://www.cnblogs.com/LeftNotEasy/archive/2011/01/19/svd-and-applications.html),[有用文章](http://blog.csdn.net/xmu_jupiter/article/details/46474963),[原理讲解](http://blog.codinglabs.org/articles/pca-tutorial.html),[好文章](http://pinkyjie.com/2011/02/24/covariance-pca/) 5. [EM算法](http://blog.csdn.net/sinat_225943...
Scofieldxs 发布于 3天前 阅读 4

下一代Apple Watch长这样?颠覆传统设计!

5月19日消息,尽管智能穿戴市场不温不火,但苹果仍然对Apple Watch手表产品寄予厚望,美国专利商标局近日公布了一项苹果手表专利,专利显示Apple Watch将颠覆传统设计理念。
软件达人 发布于 3天前 阅读 7

线性回归——回归预测

回归简介:        回归在数学上的意义是给定一个点集,能够用一条曲线去拟合之,如果这个曲线是一条直线,那就被称为线性回归,如果曲线是一条二次曲线,就被称为二次回归,回归还有很多的变种,如locally weighted回归,logistic回归。         用一个很简单的例子来说明回归,很多机器学习资料都会举这个例子——房屋价格预测,一座房屋的价格受很多因素影响,比如说有房屋面积,房间的数量,类型,地段,朝向等等,这些影响房屋价值的变量在机器学习中被称为特征(feature)。        特征在机器学习中是一个很重要的概念,有很多的资料是专门探讨特征的选取和处理。在此处,为了简简化问题,假设我们的房屋价格仅仅受到房屋面积的影响。 假设有一个房屋销售的数据如下:    面积(m^2)  销售价钱(万元)    123            250    150            320    87              160    102            220    …               …  我们可以做出一个散点图,x轴是房屋的面积。y轴是房屋的售价,如下:             如果来了一个新的在已知的信息中没有的面积,我们该怎么判断这座房屋的价格呢?答案是我们可...
clgo 发布于 4天前 阅读 22

梳理一份机器学习的学习目录

        目前AI、ML大热,很多人茶余饭后谈论的都是这些话题。但是想要学习这些,想要一个学习路线都很难。ML这些需要一定数学基础的,和哲学指导的,不然有点剑走偏锋。不能一味追热,还是要兴趣使然。 什么是机器学习 机器学习是挃是一门多领域交叉学科。与门研究计算机或其它软硬件设备怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之丌断改善自身的性能。应用机器学习技术到产品中,给用户带来“机器具备人类般高智能”的震撼性体验。 人力成本又越来越高,机器学习能降低企业成本,提高投入产出比。 第二次机器革命——以具备人类智能为核心价值的机器占主导地位(第一次机器革命——动力系统革命),对国家软实力具有重要作用。 机器学习是人工智能研究的核心内容。它的应用已遍及人工智能的各个分支,如与家系统、自动推理、自然语言理解、模式识别、计算机视觉、智能机器人等领域。 机器学习在数据挖掘里被大量使用,其技术内涵几乎通用,可以看作同一座山峰在丌同视角下的侧影。 学习方法 大学数学三大块。微积分,线性代数,统计学。再看看矩阵分析就更好了。我最近在看其实不难理解。静下心看觉得很有意思。参见这个:...
Lien6o 发布于 4天前 阅读 11

组合优化

http://www.ed2000.com/ShowFile/270749.html http://ishare.iask.sina.com.cn/u/53b4ffbd11e0ee29f3315278.html?pindex=3
MtrS 发布于 6天前 阅读 5

word2vec 中的数学原理详解

word2vec 是 Google 于 2013 年开源推出的一个用于获取 word vector 的工具包,它简单、高效,因此引起了很多人的关注。由于 word2vec 的作者 Tomas Mikolov 在两篇相关的论文 [3,4] 中并没有谈及太多算法细节,因而在一定程度上增加了这个工具包的神秘感。一些按捺不住的人于是选择了通过解剖源代码的方式来一窥究竟,出于好奇,我也成为了他们中的一员。读完代码后,觉得收获颇多,整理成文,给有需要的朋友参考。   相关链接 (一)目录和前言 (二)预备知识 (三)背景知识 (四)基于 Hierarchical Softmax 的模型 (五)基于 Negative Sampling 的模型 (六)若干源码细节
一点儿也没吃胖 发布于 6天前 阅读 3

tensorflow保存模型和恢复模型的方法

1、简单模式。 每次都保存到同一个文件里。例如, if(i%50==0): #每50次保存一次模型 save_path = saver.save(sess, 'model/model.ckpt') #保存模型到model/model.ckpt,注意一定要有一层文件夹,否则保存不成功!!! 恢复模型也很简单: if os.path.exists('model/checkpoint'): #判断模型是否存在 saver.restore(sess, 'model/model.ckpt') #存在就从模型中恢复变量 2、复杂模式。 固定训练n轮后,每次保存在不同的文件里。例如, if epoch % 5 == 0: try: saver.save(sess, 'model/speech', global_step=epoch) except Exception as e: print ("Exception", e) 这样每5轮,就会把模型和参数保存到不同的文件里。model文件夹下会逐步出现speech-0,speech-5...等模型文件。 如果想要恢复到最新的模型,可以这样: saver.restore(sess, tf.train.latest_checkpoint('model/.')) 如果想要恢复到指定名字的模型,可以这样: saver.restore(sess, "model/speech-5")  ...
qinhui99 发布于 7天前 阅读 31

安装Facebook的ParlAI

运行案例: 环境要求 py3 zeromq 必备环境: python3 ZeroMq 下载地址:http://zeromq.org/distro:microsoft-windows   安装命令过程: git clone https://github.com/facebookresearch/ParlAI.git cd ParlAI python setup.py develop 安装问题列表: 问题一 UnicodeDecodeError: 'gbk' codec can't decode byte 0x9d in position 1270: illega 解决方法:我把setup.py代码稍加修改了。 都是utf-8的 我这里很疑惑 去掉: with open('LICENSE') as f:     license = f.read() with open('requirements.txt') as f:     reqs = f.read() 初始化:  license='',  long_description='', 问题二: “error: Microsoft Visual C++ 14.0 is required.. 解决办法: 手工安装 pip install pyzmq  问题三: AttributeError: module 'parlai.tasks.babi.agents' has no attribute 'create_agents' TimeoutError: [WinError 10060] 由于连接方在一段时间后没有正确答复或连接的主机没 有反应,连接尝试失败。 解决办法: 安装ZeroMq    运行案例: F:\py\parlai\ParlAI>python examples/display_data.py -t babi:task1k:1 [no_images:False] [download_path:f:\py\parl...
我是老蔡 发布于 7天前 阅读 32

JFreeChart操作详解

JFreeChart类: void setAntiAlias(boolean flag)    字体模糊边界 void setBackgroundImage(Image image)   背景图片 void setBackgroundImageAlignment(int alignment) 背景图片对齐方式(参数常量在org.jfree.ui.Align类中定义) void setBackgroundImageAlpha(float alpha) 背景图片透明度(0.0~1.0) void setBackgroundPaint(Paint paint)   背景色 void setBorderPaint(Paint paint)   边界线条颜色 void setBorderStroke(Stroke stroke)   边界线条笔触 void setBorderVisible(boolean visible)   边界线条是否可见 ----------------------------------------------------------------------------------------------------------- TextTitle类: void setFont(Font font)     标题字体 void setPaint(Paint paint)    标题字体颜色 void setText(String text)    标题内容 ----------------------------------------------------------------------------------------------------------- StandardLegend(Legend)类: void setBackgroundPaint(Paint paint)   图示背景色 void setTitle(String title)    图示标题内容 void setTitl...
Bony 发布于 1周前 阅读 4

Keras实现的文本情感分类例子

使用Keras构建情感分类模型
qinhui99 发布于 1周前 阅读 4

python数据分析-- 本地数据的IO操作

Python数据分析_Pandas04_本地数据的导入导出   本地数据的IO操作 pandas可以很方便的读取/存储各种格式的本地文件,读取用read_xx(),写入用to_xx()。 读取 写入 read_csv to_csv read_excel to_excel read_hdf to_hdf read_sql to_sql read_json to_json read_msgpack (experimental) to_msgpack (experimental) read_html to_html read_gbq (experimental) to_gbq (experimental) read_stata to_stata read_sas read_clipboard to_clipboard read_pickle to_pickle 上面是官方文档列出来的用来读取数据的方法,支持好多格式的数据呢。有些我都没见过没听说,我有用到的有csv, excel, json, pickle等。它们的用法都差不多,而且特别简单。以read_csv()为主简单介绍一下pandas读取和存储数据的方法。 pd.read_csv() 基本用法 In [1]: import pandas as pd In [4]...
超神的小橘子 发布于 1周前 阅读 4

TensorFlow入门

TensorFlow入门介绍
随风溜达的向日葵 发布于 1个月前 阅读 2333 评论 16 点赞 7

人工神经网络之几何原理Ⅰ:单(隐藏)层神经网络

本文旨在通过几何方法来阐述为何人工神经网络能够有效地工作。
chishaxie 发布于 3个月前 阅读 1982 评论 14 点赞 1 打赏 1
顶部