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

Java分布式神经网络库Deeplearning4j 环境搭建和运行一个例子

deeplearning4j是一个Apache 2.0-licensed,开源的,分布式神经网络库编写的java和Scala。 开源的学习框架也不少,这么多大企业贡献了自己的部分产品,开源供大家学习研究和完善。例如:Tensor flow,caffe,Theano,Torch,Brainstorm,Chainer,Deeplearning4j 等等,其中Deeplearning4j 是基于 JVM 开发的机器学习工具,完全开源,天行支持JVM 上运行的程序,如:spark ,Hadoop 等。本文介绍一下 Deeplearning4j 的环境搭建,及运行一个官方的例程。
小帅帅丶 发布于 18小时前 阅读 194 点赞 2

调用腾讯优图开放平台进行人脸识别-Java调用API实现

调用腾讯优图开放平台进行人脸识别-Java调用API实现
小帅帅丶 发布于 4天前 阅读 1717 评论 9 点赞 3

科技解放生产力之语音转换文字

语音转写,顾名思义就是把语音转换成文本 在实际的应用场景中,可以是讲演转文稿,可以是在IM工具交流,等等等等 可以说,这项技术的出现,极大的解放了生产力,提高了工作、沟通效率 今天这里拿出一个实例,大家一起看一看在这个应用场景中语音转文本所带来的便利 对于记者朋友来说,一场发布会后整理出文字稿件永远是第一主题 在以前,他需要在现场录制音频,回到单位后一句一句听写,纯人工转写,随后再一次形成报道 那么现在,他可以在现场直接调用服务,实时把语音转换为文字。回到办公室,他可以根据文稿直接形成报道 也或者他依旧用录音笔录制了现场的录音,在回办公室的路上,他把音频文件通过软件转换到了文本稿件,同样的,回到办公室,他只需要根据文稿形成报道 了解了这样的案例,今天要介绍的主角就可以闪亮登场了 IBM Watson! 你可能以为它只是一个简单的语音转文本的服务(接口),其实,它是一个标准的计算机认知系统! 让我们把时间退回到2011年,当时有这样一则报道 “2011年,Watson 在美国最受欢迎的智力问答电视节目《危险边缘》(Jeopardy)中亮相,一举打败了人类智力竞赛冠军。如今,Watson 已经发展为一个商业化、基于云的认知系统,应用到各行各业...
qwerttaa 发布于 7天前 阅读 418 评论 4 点赞 4

微信小程序——智能小秘“遥知之”源码分享(语义理解基于olami)

##微信小程序智能生活小秘书开发详解 **>>>>>>>>>>>>>>>>>>>>>>>> 欢迎转载 <<<<<<<<<<<<<<<<<<<<<<<<** **本文原地址:[http://blog.csdn.net/happycxz/article/details/75432928](http://blog.csdn.net/happycxz/article/details/75432928)** **“遥知之”微信小程序完整源码下载:** 码云:[http://git.oschina.net/happycxz/nlp_olami_yaozhizhi_wechat_littleapp_demo](http://git.oschina.net/happycxz/nlp_olami_yaozhizhi_wechat_littleapp_demo) CSDN: [http://download.csdn.net/download/happycxz/9919690](http://download.csdn.net/download/happycxz/9919690) github: [https://github.com/happycxz/nlp_olami_yaozhizhi_wechat_littleapp_demo](https://github.com/happycxz/nlp_olami_yaozhizhi_wechat_littleapp_demo) ###实现功能 实现一个智能生活信息查询的小秘书功能,支持查天气、新闻、日历、汇率、笑话、故事、百科、诗词、邮编、区号、菜谱、股票、节目预告,还支持闲聊、算24点、数学计算、单位换算、购物、搜索等功能。 使用方式上支持摇一摇、点界面按钮、手动输入、下拉刷新这四种方式。 ###扫码试用(左右皆可) ![小程序码小](http://img.bl...
墨墨迹 发布于 3周前 阅读 205 评论 2

快速了解人工智能结晶之语音转换文字

科技解放生产力,人工智能的应用如今是大热,那么今天就来给各位介绍一下IBM在这方面的一个小的尝试,语音转换文字。咱们来看一看相较于传统的转换,结合Watson的IBM是如何做到让识别率飙升的。
IBM Bluemix

Spark on Angel:Spark机器学习的核心加速器

Spark on Angel:Spark机器学习的核心加速器   Spark的核心概念是RDD,而RDD的关键特性之一是其不可变性,来规避分布式环境下复杂的各种并行问题。这个抽象,在数据分析的领域是没有问题的,它能最大化的解决分布式问题,简化各种算子的复杂度,并提供高性能的分布式数据处理运算能力。 然而在机器学习领域,RDD的弱点很快也暴露了。机器学习的核心是迭代和参数更新。RDD凭借着逻辑上不落地的内存计算特性,可以很好的解决迭代的问题,然而RDD的不可变性,却非常不适合参数反复多次更新的需求。这本质上的不匹配性,导致了Spark的MLlib库,发展一直非常缓慢,从2015年开始就没有实质性的创新,性能也不好。 为此,Angel在设计生态圈的时候,优先考虑了Spark。在V1.0.0推出的时候,就已经具备了Spark on Angel的功能,基于Angel为Spark加上了PS功能,在不变中加入了变化的因素,可谓如虎添翼。 我们将以L-BFGS为例,来分析Spark在机器学习算法的实现上的问题,以及Spark on Angel是如何解决Spark在机器学习任务中的遇到的瓶颈,让Spark的机器学习更加强大。 1. L-BFGS算法说明 2.L-BFGS的Spark实现 3.L-BFGS的Spark on Angel实现 3.1 实现框架 Spark on Angel借助Angel PS-...
腾讯开源 发布于 3周前 阅读 299

使用Bluemix进行chatbot的开发总结

上周我们进行了一次使用Bluemix进行chatbot开发的活动,诸多开发者参与了这次活动,并对此次活动进行了总结。
宋庆离 发布于 3周前 阅读 2454

FaceRank-人脸打分基于 TensorFlow 的 CNN 模型

## FaceRank-人脸打分基于 TensorFlow 的 CNN 模型 ## 隐私 因为隐私问题,训练图片集并不提供,稍微可能会放一些卡通图片。 ## 数据集 * 130张 128*128 张网络图片,图片名: 1-3.jpg 表示 分值为3 的第3 张图。 你可以把符合这个格式的图片放在 resize_images 来训练模型。 ## 模型 人脸打分基于 TensorFlow 的 CNN 模型 代码参考 : https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/convolutional_network.py ## 运行 安装好 TensorFlow 之后,直接运行 train_model.py. * 训练模型 * 保存模型到 model 文件夹 ## 测试 运行完 train_model.py 之后,直接运行 run_model.py 来测试. ## 下载 训练好的模型可以在以下网址下载: http://www.tensorflownews.com/ ## 模型效果 * 训练过程 你可以看训练过程: Train_Result.md ,这里有损失函数和准确率变化过程。 * 测试结果 结果并不非常好,但是增加数据集之后有所改善。 ``` (?, 128, 128, 24) (?, 64, 64, 24) (?, 64, 64, 96) (?, 32, 32, 96) ['1-1.jpg', '1-2.jpg', '10-1.jpg', '10-2.jpg', '2-1.jpg', '2-2.jpg', '3-1.jpg', '3-2.jpg', '4-1.jpg', '4-2.jpg', '5-1.jp...
feiwang 发布于 3周前 阅读 480 评论 1

决策树是如何工作的

决策树算法属于监督学习算法系列。与其他监督学习算法不同,决策树算法也可用于求解关于回归和分类问题。
萝卜坑坑 发布于 3周前 阅读 620

警卫机器人Steve只是需要一点小帮助

近日,由美国Knightscope公司研发的巡逻机器人在工作中不慎跌进水池的新闻在网络上引起轩然大波。一些媒体和网友嘲笑这个机器人行为笨拙,甚至开玩笑说它“有自杀倾向”。对此,机器人公司Vincross的CEO孙天齐发表了自己的看法,并从技术的角度解释了这个机器人为何会不慎落水。原文为英文,首发在其LinkedIn账户,此文为授权转载的译文。
Vincross 发布于 4周前 阅读 409 评论 3 点赞 1

张志华:关于机器学习的领悟与反思

      近年来,人工智能的强势崛起,特别是去年AlphaGo和韩国九段棋手李世石的人机大战,让我们深刻地领略到了人工智能技术的巨大潜力。数据是载体,智能是目标,而机器学习是从数据通往智能的技术、方法途径。因此,机器学习是数据科学的核心,是现代人工智能的本质。       通俗地说,机器学习就是从数据中挖掘出有价值的信息。数据本身是无意识的,它不能自动呈现出有用的信息。怎样才能找出有价值的东西呢?第一步要给数据一个抽象的表示;接着基于表示进行建模;然后估计模型的参数,也就是计算;为了应对大规模的数据所带来的问题,我们还需要设计一些高效的实现手段,包括硬件层面和算法层面。统计是建模的主要工具和途径,而模型求解大多被定义为一个优化问题或后验抽样问题,具体地,频率派方法其实就是一个优化问题。而贝叶斯模型的计算则往往牵涉蒙特卡罗(Monte Carlo) 随机抽样方法。因此,机器学习是计算机科学和统计学的交叉学科。       借鉴计算机视觉理论创始人马尔 (Marr) 的关于计算机视觉的三级论定义,我把机器学习也分为三个层次:初级、中级和高级。初级阶段是数据获取以及特征的提取。中级阶段是数据处理与分析,它又包含三个方面:首先是...
louise 发布于 1个月前 阅读 2713

除了 Python ,这些语言写的机器学习项目也很牛(二)

Python 由于本身的易用优势和强大的工具库储备,成为了在人工智能及其它相关科学领域中最常用的语言之一。尤其是在机器学习,已然是各大项目最偏爱的语言。 其实除了 Python ,也不乏有开发者用其他语言写出优秀的机器学习项目。在上期的文章中(除了 Python ,这些语言写的机器学习项目也很牛(一)),我们已经列了一些其他语言(C、C++、Go、Java、Javascript)值得关注的开源机器学习项目,本期将针对 PHP、Ruby、Objective C、Swift、Scala 进行补全,同时应上期留言要求,在文末列了一些 .NET 平台上的机器学习项目。 1、PHP PHP-ML —— 机器学习库 PHP-ML 是 PHP 的机器学习库,同时包含算法、交叉验证、神经网络、预处理、特征提取等多种特性。要求 PHP 版本 > = 7.0 。 PHP-ML 提供的机器学习算法包括:关联规则学习(Apriori 算法)、分类器(SVC、KNN、贝叶斯)、回归(最小二乘线性回归、支持向量回归)、聚类(KMeans、基于密度的聚类算法)、矩阵运算相关(准确率、混肴矩阵、与分类相关的结论如精确度、召回率、F1 值、支持率)、模型运算管道(Pipeline)、神经网络(多层感知机)等。 2、Ruby Treat ——自然语言处理框架 Treat 是一个自然语言处理和...
编辑部的故事 发布于 2个月前 阅读 4106 评论 23 点赞 3

除了 Python ,这些语言写的机器学习项目也很牛

Python 由于本身的易用优势和强大的工具库储备,成为了在人工智能及其它相关科学领域中最常用的语言之一。尤其是在机器学习,已然是各大项目最偏爱的语言。 其实除了 Python ,也不乏有开发者用其他语言写出优秀的机器学习项目。在此,列出其中一些个人认为值得关注的开源机器学习项目。由于篇幅有限,考虑分多期整理。 1、C Darknet —— 神经网络框架 Darknet 是一个用 C 和 CUDA 编写的开源神经网络框架。它快速,易于安装,并支持 CPU 和 GPU 计算。 CCV  —— 计算机视觉库 CCV 是 C-based/Cached/Core Computer Vision Library 的简称, 它是一个现代的计算机视觉库。 CCV 是一种以应用驱动的算法库,比如对静态物体(如人脸)的快速检测算法、对某些不容易定位物体(如猫)的准确检测算法、艺术文本的检测算法、长期目标的跟踪算法和特征点检测算法。 2、C++ CNTK —— 深度学习工具包 微软出品的开源深度学习工具包,它把神经网络描述成一个有向图的结构,叶子节点代表输入或者网络参数,其他节点计算步骤。 CNTK 不仅使深度神经网络(DNN)、卷积神经网络(CNN)、循环神经网络(RNN)和长短时记忆单元(LSTM)的实现变得非常容易,还支持多个 GPU 组合、服...
编辑部的故事 发布于 2个月前 阅读 6912 评论 22 点赞 11

IBM “第8格(Debug)”开发者技术沙龙首站招募中,有胆你就来! 

话说,在1947年9月9日,一只飞蛾(bug)钻进了IBM与哈佛大学合作制造的电子管计算机“马克2号”里。而此时正在对“马克2号”进行测试的科学家们发现机器总是无端出现故障,在无数次调试后,他们惊奇地发现罪魁祸首居然是这只卡在编号为70的继电器触点中的飞蛾。 这只飞蛾被仔细移除,并被贴在日记本上。幽默的科学家们灵机一动,这篇贴着“飞蛾(BUG)”的日志就此诞生,并把它记录为“首个发现bug的真实案例”。不仅如此,他们还提出了 “Debug”这个词,意为排除程序故障。 这个日记本至今仍保存于美国史密森尼国立历史博物馆中,飞蛾还完整地贴在上面。而它,也成为了这个世界上唯一一只流芳百世的昆虫。 流芳百世的Bug (图片来自网络) 女科学家格蕾丝·霍普(Grace Hopper)最早公布了这一“Bug”案例和“Debug”一词,后人又将其发展成为了计算机领域的专业行话。而霍普也因此被世人冠以“Debug 之母”的称号。其实,发现这只飞蛾(Bug)的科学家还包括同在该实验室的威廉姆·比尔·伯克。 智慧与美貌并存的“Debug 之母”——葛丽丝·霍普 (图片来自网络) 在25,468天后的今日,虽然没有出现另一个“Debug之母”,但一个名叫“第8格(Debug)”的开发者沙龙却悄然诞...
OSC_Lucy 发布于 3个月前 阅读 175

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 3个月前 阅读 428

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 3个月前 阅读 351

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个月前 阅读 2381 评论 3 点赞 5

TensorFlow入门

TensorFlow入门介绍
随风溜达的向日葵 发布于 4个月前 阅读 3955 评论 17 点赞 8

Windows安装TensorFlow

介绍在Windows下安装TensorFlow
随风溜达的向日葵 发布于 4个月前 阅读 2210 评论 1 点赞 4

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 5个月前 阅读 520

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 5个月前 阅读 2976 评论 8 点赞 6

8月20日珠海源创会火热报名中,微服务架构Tars的技术揭秘

火热的八月,OSC源创会带着自由、开放、分享的开源精神,也带着满满的干货主题,邀请珠海的各位来约。
源创会

image

Description This module was previously based on SIVP module and now has been re-coded to work with Scilab 6.0! ------------------------------------------------------- Updated 6-Apr-17 ------------------------------------------------------- 1. Add numbers of Feature Detection, Description and Matching functions. Example at http://scilabipcv.tritytech.com/2017/04/05/image-matching/ 2. Add object detection function 3. Add unit_tests 4. Add instructions at startup after installation for Linux Users. ------------------------------------------------------- PLEASE SCROLL DOWN TO THE "NEWS" SECTION FOR THE INSTALLATION INSTRUCTIONS ESPECIALLY FOR LINUX USER. ------------------------------------------------------- Currently the module covers following areas: IPCV - Image Processing and Computer Vision Toolbox for Scilab 1. Analytic Geometry plot3dot — 3-D Parametric plot for points 2. Filter Design and Visualization fft2pad — Pad smaller matrix with zeros to the given size before transform...
MtrS 发布于 2个月前 阅读 10

干货 | 机器学习需要哪些数学基础?

过去的几个月中,有几人联系我,诉说他们对尝试进入数据科学的世界,以及用机器学习的技术去探索统计规律并构建无可挑剔的数据驱动型产品的热忱。然而,我发现一些人实际上缺乏必要的数学直觉和知识框架去得到有用的结果。这便是我决定写这篇博文的主要原因。最近涌现出了很多易于使用的机器学习和深度学习的软件包,例如 scikit-learn, Weka, Tensorflow 等等。机器学习理论是统计学、概率学、计算机科学以及算法的交叉领域,是通过从数据中的迭代学习去发现能够被用来构建智能应用的隐藏知识。尽管机器学习和深度学习有着无限可能,然而为了更好地掌握算法的内部工作机理和得到较好的结果,对大多数这些技术有一个透彻的数学理解是必要的。 逻辑回归和神经网络的代价函数的计算方法 为什么要重视数学? 机器学习中的数学是重要的,有很多原因,下面我将强调其中的一些: 1. 选择正确的算法,包括考虑到精度、训练时间、模型复杂度、参数的数量和特征数量。 2. 选择参数的设置和验证策略。 3. 通过理解偏差和方差之间的 tradeoff 来识别欠拟合与过拟合。 4. 估计正确的置信区间和不确定度。 你需要什么水平的数学? 当你尝试着去理解一个像机器学习(ML)一样的交叉学科的...
tantexian 发布于 1个月前 阅读 34

调用腾讯优图开放平台进行人脸识别-Java调用API实现

调用腾讯优图开放平台进行人脸识别-Java调用API实现
小帅帅丶 发布于 4天前 阅读 1717 评论 9 点赞 3

Java分布式神经网络库Deeplearning4j 环境搭建和运行一个例子

deeplearning4j是一个Apache 2.0-licensed,开源的,分布式神经网络库编写的java和Scala。 开源的学习框架也不少,这么多大企业贡献了自己的部分产品,开源供大家学习研究和完善。例如:Tensor flow,caffe,Theano,Torch,Brainstorm,Chainer,Deeplearning4j 等等,其中Deeplearning4j 是基于 JVM 开发的机器学习工具,完全开源,天行支持JVM 上运行的程序,如:spark ,Hadoop 等。本文介绍一下 Deeplearning4j 的环境搭建,及运行一个官方的例程。
小帅帅丶 发布于 18小时前 阅读 194 点赞 2

Java程序员,如何跳出技术瓶颈?

阅读本文大概需要10分钟 “程序员是青春饭”。当好多人听说你的职业后,一般会跟上这样一句话。听着让你感觉很无奈又无力反驳,因为程序员的确有“青春期”。中年危机,这个字眼我们已经被听到过无数次了,大多是泛指当人的年龄达到一定岁数后,遇到了来自各方的压力,产生的各种各样的问题,使得人们压力很大。但是,在我看来,中年危机不只是年龄到多少才会遇到,在程序员几年的职业生涯中,当你遇到技术瓶颈或者职业发展问题时,就是遇到了“中年危机”。 先说说我的情况,毕业已6年,人至中年,毕业时进入了本地的一家知名国企,在这家国企待了3年后,从国企离职到了一线城市,并进入了互联网金融行业,目前互联网行业已混迹3年。程序员的职业生涯中,前面二到三年,属于一个技术的积累过程,不管是从技术框架还是项目经验方面,前面的几年是你技术成长最快的是时期。毕业的第一份工作能够决定你的基础是否牢固,我在第一家公司时,由于公司属于传统行业软件公司,所以技术方面都是比较基础的一些内容,工作环境原因,这样会导致个人积累有所不足。所以这个时候我果断选择离开那个舒适区,虽然在那边我通过自己的努力,已经拥有了一些小成就,但是为了个人发展,我还是...
沐子哈 发布于 3天前 阅读 314

决策树是如何工作的

决策树算法属于监督学习算法系列。与其他监督学习算法不同,决策树算法也可用于求解关于回归和分类问题。
萝卜坑坑 发布于 3周前 阅读 620

张志华:关于机器学习的领悟与反思

      近年来,人工智能的强势崛起,特别是去年AlphaGo和韩国九段棋手李世石的人机大战,让我们深刻地领略到了人工智能技术的巨大潜力。数据是载体,智能是目标,而机器学习是从数据通往智能的技术、方法途径。因此,机器学习是数据科学的核心,是现代人工智能的本质。       通俗地说,机器学习就是从数据中挖掘出有价值的信息。数据本身是无意识的,它不能自动呈现出有用的信息。怎样才能找出有价值的东西呢?第一步要给数据一个抽象的表示;接着基于表示进行建模;然后估计模型的参数,也就是计算;为了应对大规模的数据所带来的问题,我们还需要设计一些高效的实现手段,包括硬件层面和算法层面。统计是建模的主要工具和途径,而模型求解大多被定义为一个优化问题或后验抽样问题,具体地,频率派方法其实就是一个优化问题。而贝叶斯模型的计算则往往牵涉蒙特卡罗(Monte Carlo) 随机抽样方法。因此,机器学习是计算机科学和统计学的交叉学科。       借鉴计算机视觉理论创始人马尔 (Marr) 的关于计算机视觉的三级论定义,我把机器学习也分为三个层次:初级、中级和高级。初级阶段是数据获取以及特征的提取。中级阶段是数据处理与分析,它又包含三个方面:首先是...
louise 发布于 1个月前 阅读 2713

基于用户点击行为的新闻个性推荐

Personalized News Recommendation Based on Click Behavior
满小茂 发布于 1天前 阅读 8 评论 2 点赞 1

SyntaxNet 中文模型的使用

## 分布操作 ### 0. 克隆 [tensorflow/models](https://github.com/tensorflow/models) ``` git clone https://github.com/tensorflow/models.git // 切换目录到 syntaxnet cd syntaxnet ``` > 推荐在docker下面操作: [tensorflow/syntaxnet](https://hub.docker.com/r/tensorflow/syntaxnet/) ### 1. 下载Chinese模型文件 [tensorflow 官网](http://download.tensorflow.org/models/parsey_universal/Chinese.zip) ### 2. 解压 `Chinese.zip` 到 `syntaxnet` 模型主目录 ``` unzip Chinese.zip ``` ### 3. syntaxnet 目录下运行: ``` MODEL_DIRECTORY=/opt/tensorflow/syntaxnet/Chinese echo '你好,我是丁小雨,能告诉我你的名字吗?' | \ syntaxnet/models/parsey_universal/tokenize_zh.sh $MODEL_DIRECTORY | \ syntaxnet/models/parsey_universal/parse.sh $MODEL_DIRECTORY ``` ## jupyter 操作 > 基于 `tensorflow/syntaxnet` docker ``` cd /opt/tensorflow/syntaxnet wget http://download.tensorflow.org/models/parsey_universal/Chinese.zip unzip Chinese.zip MODEL_DIRECTORY=/opt/tensorflow/syntaxnet/Chinese echo '你好,我是丁小雨,能告诉我你的名字...
dingdayu 发布于 2个月前 阅读 293

开源 | 哈佛大学九大自然语言处理开源项目(附论文)

选自 Github 机器之心编译 参与:杜夏德、李泽南、吴攀 在这篇文章中,我们盘点了哈佛大学开源的 9 大有关自然语言处理的项目。虽然里面的代码是研究代码(通常还有一些使用的注意事项),但也已经得到了哈佛研究团队之外的产业组织的应用,其相关项目的证书请参阅对应的 repo。 1.Sequence-to-Sequence Learning with Attentional Neural Networks(使用注意神经网络的序列到序列学习) 项目地址:https://github.com/harvardnlp/seq2seq-attn 在带有(可选)注意(attention)的标准 seq2seq 模型的 Torch 实现中,其编码器 - 解码器(encoder-decoder)模型是 LSTM。编码器可以是一个双向 LSTM。此外还能在字符嵌入(character embeddings)上运行一个卷积神经网络然后再运行一个 highway network,从而将字符(而不是输入的词嵌入)作为输入来使用。 该注意模型来源于发表于 EMNLP 2015 大会上的论文《Effective Approaches to Attention-based Neural Machine Translation》。我们使用该论文中的带有输入 - 反馈方式的全局通用注意力模型( global-general-attention model with the input-feeding approach)。输入 - 反馈作为可选项,也可去掉。 其中的字符模型来源...
Airship 发布于 1天前 阅读 10

PyTorch快速入门教程六(使用LSTM做图片分类)

上一节我们了解了最基本的RNN,LSTM以及在pytorch里面如何使用LSTM,而之前我们知道了如何通过CNN做MNIST数据集的图片分类,本节我们将使用LSTM做图片分类。
earnpls 发布于 2个月前 阅读 191

Deeplearning4j 手写体数字识别

最近这几年,深度学习很火,包括自己在内的很多对机器学习还是一知半解的小白也开始用深度学习做些应用。由于小白的等级不高,算法自己写不出来,所以就用了开源库。Deep Learning的开源库有多,如果以语言来划分的话,就有Python系列的tensowflow,theano,keras,C/C++系列的Caffe,还有Lua系列的torch等等。但咱们公司是用Java为主,大部分项目最终也是做成一个Java Web的服务,所以我最终选择了Deeplearning4j。     Deeplearning4j是国外创业公司Skymind的产品。目前最新的版本更新到了0.7.2。源码全部公开并托管在github上(https://github.com/deeplearning4j/deeplearning4j)。从这个库的名字上可以看出,它就是转为Java程序员写的Deep Learning库。其实这个库吸引人的地方不仅仅在于它支持Java,更为重要的是它可以支持Spark。由于Deep Learning模型的训练需要大量的内存,而且原始数据的存储有时候也需要很大的外存空间,所以如果可以利用集群来处理便是最好不过了。当然,除了Deeplearning4j以外,还有一些Deep Learning的库可以支持Spark,比如yahoo/CaffeOnSpark,AMPLab/SparkNet以及Intel最近开源的BigDL。这些库我自己都没怎么用过,所以就不多说了,这...
孟飞阳 发布于 1周前 阅读 11

除了 Python ,这些语言写的机器学习项目也很牛

Python 由于本身的易用优势和强大的工具库储备,成为了在人工智能及其它相关科学领域中最常用的语言之一。尤其是在机器学习,已然是各大项目最偏爱的语言。 其实除了 Python ,也不乏有开发者用其他语言写出优秀的机器学习项目。在此,列出其中一些个人认为值得关注的开源机器学习项目。由于篇幅有限,考虑分多期整理。 1、C Darknet —— 神经网络框架 Darknet 是一个用 C 和 CUDA 编写的开源神经网络框架。它快速,易于安装,并支持 CPU 和 GPU 计算。 CCV  —— 计算机视觉库 CCV 是 C-based/Cached/Core Computer Vision Library 的简称, 它是一个现代的计算机视觉库。 CCV 是一种以应用驱动的算法库,比如对静态物体(如人脸)的快速检测算法、对某些不容易定位物体(如猫)的准确检测算法、艺术文本的检测算法、长期目标的跟踪算法和特征点检测算法。 2、C++ CNTK —— 深度学习工具包 微软出品的开源深度学习工具包,它把神经网络描述成一个有向图的结构,叶子节点代表输入或者网络参数,其他节点计算步骤。 CNTK 不仅使深度神经网络(DNN)、卷积神经网络(CNN)、循环神经网络(RNN)和长短时记忆单元(LSTM)的实现变得非常容易,还支持多个 GPU 组合、服...
编辑部的故事 发布于 2个月前 阅读 6912 评论 22 点赞 11

除了 Python ,这些语言写的机器学习项目也很牛(二)

Python 由于本身的易用优势和强大的工具库储备,成为了在人工智能及其它相关科学领域中最常用的语言之一。尤其是在机器学习,已然是各大项目最偏爱的语言。 其实除了 Python ,也不乏有开发者用其他语言写出优秀的机器学习项目。在上期的文章中(除了 Python ,这些语言写的机器学习项目也很牛(一)),我们已经列了一些其他语言(C、C++、Go、Java、Javascript)值得关注的开源机器学习项目,本期将针对 PHP、Ruby、Objective C、Swift、Scala 进行补全,同时应上期留言要求,在文末列了一些 .NET 平台上的机器学习项目。 1、PHP PHP-ML —— 机器学习库 PHP-ML 是 PHP 的机器学习库,同时包含算法、交叉验证、神经网络、预处理、特征提取等多种特性。要求 PHP 版本 > = 7.0 。 PHP-ML 提供的机器学习算法包括:关联规则学习(Apriori 算法)、分类器(SVC、KNN、贝叶斯)、回归(最小二乘线性回归、支持向量回归)、聚类(KMeans、基于密度的聚类算法)、矩阵运算相关(准确率、混肴矩阵、与分类相关的结论如精确度、召回率、F1 值、支持率)、模型运算管道(Pipeline)、神经网络(多层感知机)等。 2、Ruby Treat ——自然语言处理框架 Treat 是一个自然语言处理和...
编辑部的故事 发布于 2个月前 阅读 4106 评论 23 点赞 3

博士论文《基于神经网络的词和文档语义向量表示方法研究》

  2016 年 2 月 15 日 BY LICSTAR·57条评论 前前后后写论文也有将近一年的时间了。这个研究的课题到目前还比较热门,在此分享博士论文。希望读者有所收获,少走一些弯路。 论文下载地址:http://pan.baidu.com/s/1jGWmmZO。 arXiv 地址:https://arxiv.org/abs/1611.05962 感谢赵老师的指导,以及各位老师同学的宝贵建议! 有什么疑问或者发现什么问题都可以直接在这里评论。 博士论文 深度学习 词向量
Airship 发布于 1天前 阅读 4

PyTorch快速入门教程一(环境配置)

接下来我们将进入Pytorch快速入门系列教程,本系列主要参考深度炼丹的知乎专栏10分钟快速入门PyTorch,并且已经获得了作者的许可转载,同时文章会有较多改动,我将会以一个新手的视角带大家学习PyTorch,同时如果有不对的地方,欢迎大家到Pytorch中文网问答社区给我留言,大家也可以一觉分享交流!如果你还不知道pytorch是啥,可以去看一看以前的文章Pytorch是什么?  环境配置 要学习pytorch,首先当然是需要安装pytorch了,目前pytorch只支持mac和linux,如果你的电脑是windows,装虚拟机或者双系统。如果想要愉快地学习,那么强烈推荐使用linux系统,因为所有的深度学习框架在linux上都有很好的支持,远远好于windows系统,而且linux也没有大家想象中的那么难学,目前linux系统的图形界面让大家上手的时候更加容易。 Linux或者Mac默认安装了python2.7系统,大家安装玩Linux系统以后接下来就是安装Pytorch了,其实安装很简单,大家可以参考:pytorch 如何安装?pip如何安装pytorch? pytorch基础 装好了pytorch之后,正式进入我们的教程,pytorch基础部分,这个部分主要是介绍一下pytorch处理的对象以及操作。 Tensor tensor就是张量的英文,表示多维的矩阵,比如一维就是...
earnpls 发布于 2个月前 阅读 51

Notadd 产品时间规划

|时间|模块|版本|备注| |---|---|---|---| |2017年| |9月10日|商城|0.3.x Alpha|第一个测试版本| |9月17日|CMS|0.5.x Beta|修复大量BUG,支持无限级分类| |9月24日|Notadd|0.9.0 RC| 基于laravel5.5 性能优化| |9月30日|用户中心|0.7.x Beta|七层用户权限| |10月15日|商城|0.5.x Beta| 修复BUG 增加钩子| |10月22日|文章|0.7.x Beta| 支持多用户| |10月29日|Notadd|1.0| 正式版| |11月5日|用户中心|0.9.x RC|权限复杂度可应用于OA| |11月12日|商城|0.9.x RC|暂无| |11月19日|文章|0.9.x RC|暂无| |11月26日|微信|0.3.x Alpha| 微信模块| |12月3日|商城|1.0|正式版| |12月10日|文章|1.0|正式版| |12月17日|微信|0.5.x Beta|公众号权限| |12月31日|神秘模块|0.3.0 Alpha|暂无| |2018年| |1月7日|微信|0.7.0 Beta|小程序| |1月14日|微信|0.9.0 RC|修复BUG| |1月21日|微信|1.0|正式版| |1月28日|神秘模块|0.5.x Beta|暂无| |2月4日|神秘模块|0.7.x Beta|暂无| |2月11日|神秘模块|0.9.x RC|暂无| |3月4日|notadd|1.2|基于Laravel5.6| |3月11日|神秘模块|1.0|暂无|...
左华栋 发布于 19小时前 阅读 4

在Win10上安装和运行XGBoost的GPU版本

XGBoost的GPU版本 Win10
qinhui99 发布于 3个月前 阅读 270

PyTorch快速入门教程五(rnn)

上一讲讲了cnn以及如何使用pytorch实现简单的多层卷积神经网络,下面我们将进入rnn,关于rnn将分成三个部分, 介绍rnn的基本结构以及在pytorch里面api的各个参数所表示的含义, 介绍rnn如何在MNIST数据集上做分类, 涉及一点点自然语言处理的东西。 RNN 首先介绍一下什么是rnn,rnn特别擅长处理序列类型的数据,因为他是一个循环的结构 一个序列的数据依次进入网络A,网络A循环的往后传递。 这就是RNN的基本结构类型。而最早的RNN模型,序列依次进入网络中,之前进入序列的数据会保存信息而对后面的数据产生影响,所以RNN有着记忆的特性,而同时越前面的数据进入序列的时间越早,所以对后面的数据的影响也就越弱,简而言之就是一个数据会更大程度受到其临近数据的影响。但是我们很有可能需要更长时间之前的信息,而这个能力传统的RNN特别弱,于是有了LSTM这个变体。 LSTM 这就是LSTM的模型结构,也是一个向后传递的链式模型,而现在广泛使用的RNN其实就是LSTM,序列中每个数据传入LSTM可以得到两个输出,而这两个输出和序列中下一个数据一起又作为传入LSTM的输入,然后不断地循环向后,直到序列结束。 下面结合pytorch一步一步来看数据传入LSTM是怎么运算的 首先需要定义好...
earnpls 发布于 2个月前 阅读 23

最近结束的两个机器学习比赛

知乎2017看山杯 Kaggle的菜篮子预测
qinhui99 发布于 5天前 阅读 19

调用腾讯优图开放平台进行人脸识别-Java调用API实现

调用腾讯优图开放平台进行人脸识别-Java调用API实现
小帅帅丶 发布于 4天前 阅读 1717 评论 9 点赞 3

Java程序员,如何跳出技术瓶颈?

阅读本文大概需要10分钟 “程序员是青春饭”。当好多人听说你的职业后,一般会跟上这样一句话。听着让你感觉很无奈又无力反驳,因为程序员的确有“青春期”。中年危机,这个字眼我们已经被听到过无数次了,大多是泛指当人的年龄达到一定岁数后,遇到了来自各方的压力,产生的各种各样的问题,使得人们压力很大。但是,在我看来,中年危机不只是年龄到多少才会遇到,在程序员几年的职业生涯中,当你遇到技术瓶颈或者职业发展问题时,就是遇到了“中年危机”。 先说说我的情况,毕业已6年,人至中年,毕业时进入了本地的一家知名国企,在这家国企待了3年后,从国企离职到了一线城市,并进入了互联网金融行业,目前互联网行业已混迹3年。程序员的职业生涯中,前面二到三年,属于一个技术的积累过程,不管是从技术框架还是项目经验方面,前面的几年是你技术成长最快的是时期。毕业的第一份工作能够决定你的基础是否牢固,我在第一家公司时,由于公司属于传统行业软件公司,所以技术方面都是比较基础的一些内容,工作环境原因,这样会导致个人积累有所不足。所以这个时候我果断选择离开那个舒适区,虽然在那边我通过自己的努力,已经拥有了一些小成就,但是为了个人发展,我还是...
沐子哈 发布于 3天前 阅读 314

Java分布式神经网络库Deeplearning4j 环境搭建和运行一个例子

deeplearning4j是一个Apache 2.0-licensed,开源的,分布式神经网络库编写的java和Scala。 开源的学习框架也不少,这么多大企业贡献了自己的部分产品,开源供大家学习研究和完善。例如:Tensor flow,caffe,Theano,Torch,Brainstorm,Chainer,Deeplearning4j 等等,其中Deeplearning4j 是基于 JVM 开发的机器学习工具,完全开源,天行支持JVM 上运行的程序,如:spark ,Hadoop 等。本文介绍一下 Deeplearning4j 的环境搭建,及运行一个官方的例程。
小帅帅丶 发布于 18小时前 阅读 194 点赞 2

8月20日珠海源创会火热报名中,微服务架构Tars的技术揭秘

火热的八月,OSC源创会带着自由、开放、分享的开源精神,也带着满满的干货主题,邀请珠海的各位来约。
源创会

科技解放生产力之语音转换文字

语音转写,顾名思义就是把语音转换成文本 在实际的应用场景中,可以是讲演转文稿,可以是在IM工具交流,等等等等 可以说,这项技术的出现,极大的解放了生产力,提高了工作、沟通效率 今天这里拿出一个实例,大家一起看一看在这个应用场景中语音转文本所带来的便利 对于记者朋友来说,一场发布会后整理出文字稿件永远是第一主题 在以前,他需要在现场录制音频,回到单位后一句一句听写,纯人工转写,随后再一次形成报道 那么现在,他可以在现场直接调用服务,实时把语音转换为文字。回到办公室,他可以根据文稿直接形成报道 也或者他依旧用录音笔录制了现场的录音,在回办公室的路上,他把音频文件通过软件转换到了文本稿件,同样的,回到办公室,他只需要根据文稿形成报道 了解了这样的案例,今天要介绍的主角就可以闪亮登场了 IBM Watson! 你可能以为它只是一个简单的语音转文本的服务(接口),其实,它是一个标准的计算机认知系统! 让我们把时间退回到2011年,当时有这样一则报道 “2011年,Watson 在美国最受欢迎的智力问答电视节目《危险边缘》(Jeopardy)中亮相,一举打败了人类智力竞赛冠军。如今,Watson 已经发展为一个商业化、基于云的认知系统,应用到各行各业...
qwerttaa 发布于 7天前 阅读 418 评论 4 点赞 4

从宏观上秒懂机器学习(上)

    最近机器学习概念炒的很热,有很多产品进入我们的生活,也成了很多公司融资重要筹码。传统计算机工作是通过接受输入指令,根据逻辑代码,给出输出 ,是一种因果关系。而机器学习不接受输入指令,接受我们输入的数据,给出决策结果,是一种统计思想。看到这里很多人不禁会问,到底什么是机器学习,有什么重要性?     我们也许听说过机器学习、数据挖掘、自然语言处理、模式识别、统计学习、概率论、计算机视觉、语音识别...如果从事相关工作,可能还听说过决策树、线性回归、最小二乘、梯度下降、逻辑回归、神经网络、SVM、核函数、聚类算法、降维算法...还没入行,已经别这些概念拒绝在千里之外了,奔溃!     本文从最简单的生活实例讲起,详细介绍机器学习的脉络,可以让没有机器学习概念的朋友有一个清晰的认识,让刚入门的小伙伴知道自己所学习的算法都处于机器学习这片森林中的什么位置。本文大纲如下:     一、生活故事帮助了解机器学习     二、机器学习相关学科(相关概念理解)     三、机器学习例子(房价预估)     四、机器学习经典算法     五、总结 生活故事     下面我想通过一个故事来讲解什么是机器学习。我相信大家都有跟别人相...
码农读书 发布于 3天前 阅读 630 打赏 5

机学走起第六式:箭船分离

    数学的奇妙之处就在于把一些散乱的看似毫不相关的东西以数字的形式表现,再通过公式和模型组织起来加以计算,最终的结果又刚好完美的证明了它自己是真实可信的,局部哈希完美的诠释了这句真理,局部哈希与哈希的不同在于它温柔的描述了一个对象在向另一个对象变化过程中保留着自身的主要特征,而不像哈希那样基因突变式的猝不及防。 航天员: [0110011010100110010000010100000001111110010010110011011111011010] -> 0.042866474940001 载人: [1001011010001100001110101111111110010110111010101100111110100010] -> 0.03454385915100477 交会: [1011000111010111110101011110010100000010111000010000111001010101] -> 0.03324403373307827 对接: [1011000001110110101011110011011100000110110001111111000111100001] -> 0.02921719003554388 天宫: [0010000101101100110111111011101001101010111110101110111011001110] -> 0.02515174408716358 航天: [0111110101011100000100011010010000001111100101001010100011010011] -> 0.023303336236545936 发射: [0110110000000111010000000101000000010010101010111010000010011100] -> 0.021250399979987955 节点:...
厉力文武 发布于 5天前 阅读 20

SyntaxNet 中文模型的使用

## 分布操作 ### 0. 克隆 [tensorflow/models](https://github.com/tensorflow/models) ``` git clone https://github.com/tensorflow/models.git // 切换目录到 syntaxnet cd syntaxnet ``` > 推荐在docker下面操作: [tensorflow/syntaxnet](https://hub.docker.com/r/tensorflow/syntaxnet/) ### 1. 下载Chinese模型文件 [tensorflow 官网](http://download.tensorflow.org/models/parsey_universal/Chinese.zip) ### 2. 解压 `Chinese.zip` 到 `syntaxnet` 模型主目录 ``` unzip Chinese.zip ``` ### 3. syntaxnet 目录下运行: ``` MODEL_DIRECTORY=/opt/tensorflow/syntaxnet/Chinese echo '你好,我是丁小雨,能告诉我你的名字吗?' | \ syntaxnet/models/parsey_universal/tokenize_zh.sh $MODEL_DIRECTORY | \ syntaxnet/models/parsey_universal/parse.sh $MODEL_DIRECTORY ``` ## jupyter 操作 > 基于 `tensorflow/syntaxnet` docker ``` cd /opt/tensorflow/syntaxnet wget http://download.tensorflow.org/models/parsey_universal/Chinese.zip unzip Chinese.zip MODEL_DIRECTORY=/opt/tensorflow/syntaxnet/Chinese echo '你好,我是丁小雨,能告诉我你的名字...
dingdayu 发布于 2个月前 阅读 293

微信小程序——智能小秘“遥知之”源码分享(语义理解基于olami)

##微信小程序智能生活小秘书开发详解 **>>>>>>>>>>>>>>>>>>>>>>>> 欢迎转载 <<<<<<<<<<<<<<<<<<<<<<<<** **本文原地址:[http://blog.csdn.net/happycxz/article/details/75432928](http://blog.csdn.net/happycxz/article/details/75432928)** **“遥知之”微信小程序完整源码下载:** 码云:[http://git.oschina.net/happycxz/nlp_olami_yaozhizhi_wechat_littleapp_demo](http://git.oschina.net/happycxz/nlp_olami_yaozhizhi_wechat_littleapp_demo) CSDN: [http://download.csdn.net/download/happycxz/9919690](http://download.csdn.net/download/happycxz/9919690) github: [https://github.com/happycxz/nlp_olami_yaozhizhi_wechat_littleapp_demo](https://github.com/happycxz/nlp_olami_yaozhizhi_wechat_littleapp_demo) ###实现功能 实现一个智能生活信息查询的小秘书功能,支持查天气、新闻、日历、汇率、笑话、故事、百科、诗词、邮编、区号、菜谱、股票、节目预告,还支持闲聊、算24点、数学计算、单位换算、购物、搜索等功能。 使用方式上支持摇一摇、点界面按钮、手动输入、下拉刷新这四种方式。 ###扫码试用(左右皆可) ![小程序码小](http://img.bl...
墨墨迹 发布于 3周前 阅读 205 评论 2

决策树是如何工作的

决策树算法属于监督学习算法系列。与其他监督学习算法不同,决策树算法也可用于求解关于回归和分类问题。
萝卜坑坑 发布于 3周前 阅读 620

FaceRank-人脸打分基于 TensorFlow 的 CNN 模型

## FaceRank-人脸打分基于 TensorFlow 的 CNN 模型 ## 隐私 因为隐私问题,训练图片集并不提供,稍微可能会放一些卡通图片。 ## 数据集 * 130张 128*128 张网络图片,图片名: 1-3.jpg 表示 分值为3 的第3 张图。 你可以把符合这个格式的图片放在 resize_images 来训练模型。 ## 模型 人脸打分基于 TensorFlow 的 CNN 模型 代码参考 : https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/convolutional_network.py ## 运行 安装好 TensorFlow 之后,直接运行 train_model.py. * 训练模型 * 保存模型到 model 文件夹 ## 测试 运行完 train_model.py 之后,直接运行 run_model.py 来测试. ## 下载 训练好的模型可以在以下网址下载: http://www.tensorflownews.com/ ## 模型效果 * 训练过程 你可以看训练过程: Train_Result.md ,这里有损失函数和准确率变化过程。 * 测试结果 结果并不非常好,但是增加数据集之后有所改善。 ``` (?, 128, 128, 24) (?, 64, 64, 24) (?, 64, 64, 96) (?, 32, 32, 96) ['1-1.jpg', '1-2.jpg', '10-1.jpg', '10-2.jpg', '2-1.jpg', '2-2.jpg', '3-1.jpg', '3-2.jpg', '4-1.jpg', '4-2.jpg', '5-1.jp...
feiwang 发布于 3周前 阅读 480 评论 1

人工智能之Python

Python对于人工智能的作用
蓝雨轩 发布于 5天前 阅读 12

使用Bluemix进行chatbot的开发总结

上周我们进行了一次使用Bluemix进行chatbot开发的活动,诸多开发者参与了这次活动,并对此次活动进行了总结。
宋庆离 发布于 3周前 阅读 2454

在线电子书项目

图灵社区,开源中国,都可以朝这个方向发展
沙枣 发布于 6天前 阅读 13

PyTorch快速入门教程六(使用LSTM做图片分类)

上一节我们了解了最基本的RNN,LSTM以及在pytorch里面如何使用LSTM,而之前我们知道了如何通过CNN做MNIST数据集的图片分类,本节我们将使用LSTM做图片分类。
earnpls 发布于 2个月前 阅读 191

除了 Python ,这些语言写的机器学习项目也很牛

Python 由于本身的易用优势和强大的工具库储备,成为了在人工智能及其它相关科学领域中最常用的语言之一。尤其是在机器学习,已然是各大项目最偏爱的语言。 其实除了 Python ,也不乏有开发者用其他语言写出优秀的机器学习项目。在此,列出其中一些个人认为值得关注的开源机器学习项目。由于篇幅有限,考虑分多期整理。 1、C Darknet —— 神经网络框架 Darknet 是一个用 C 和 CUDA 编写的开源神经网络框架。它快速,易于安装,并支持 CPU 和 GPU 计算。 CCV  —— 计算机视觉库 CCV 是 C-based/Cached/Core Computer Vision Library 的简称, 它是一个现代的计算机视觉库。 CCV 是一种以应用驱动的算法库,比如对静态物体(如人脸)的快速检测算法、对某些不容易定位物体(如猫)的准确检测算法、艺术文本的检测算法、长期目标的跟踪算法和特征点检测算法。 2、C++ CNTK —— 深度学习工具包 微软出品的开源深度学习工具包,它把神经网络描述成一个有向图的结构,叶子节点代表输入或者网络参数,其他节点计算步骤。 CNTK 不仅使深度神经网络(DNN)、卷积神经网络(CNN)、循环神经网络(RNN)和长短时记忆单元(LSTM)的实现变得非常容易,还支持多个 GPU 组合、服...
编辑部的故事 发布于 2个月前 阅读 6912 评论 22 点赞 11

机器学习 F1-Score, recall, precision

在机器学习,模式识别中,我们做分类的时候,会用到一些指标来评判算法的优劣,最常用的就是识别率,简单来说,就是  Acc=Npre/Ntotal 这里的 Npre表示预测对的样本数,Ntotal表示测试集总的样本数。   识别率有的时候过于简单, 不能全面反应算法的性能,除了识别率,还有一些常用的指标,就是我们要介绍的  F1-score, recall, precision. 在介绍这些概念之前,我们先来看一个二分类的问题,给定一组训练集:  D={(xi,yi)|xi∈Rn,yi∈{0,1}}Ni=1 这里假定 yi=1 对应正样本,yi=0 对应负样本。假设我们建立了一个分类模型 H, 对每一个输入的样本 xi会输出一个预测值 H(xi), 那么将预测值 H(xi) 与样本对应的实际值yi做比较,会得到以下四种情况:   H(xi)=1,yi=1 H(xi)=1,yi=0 H(xi)=0,yi=1 H(xi)=0,yi=0 第一种情况,预测为正,实际也为正,我们称为 true positive (TP),第二种情况,预测为正,实际为负,我们称为 false positive (FP),第三种情况,预测为负,实际为正,称为false negative (FN),最后一种情况,预测为负,实际也为负,称为 true negative (TN),每一个样本只可能属于这四种情况中的某一种,不会有其它的可能。  很显然,给定一个测试集...
Airship 发布于 6天前 阅读 6

除了 Python ,这些语言写的机器学习项目也很牛(二)

Python 由于本身的易用优势和强大的工具库储备,成为了在人工智能及其它相关科学领域中最常用的语言之一。尤其是在机器学习,已然是各大项目最偏爱的语言。 其实除了 Python ,也不乏有开发者用其他语言写出优秀的机器学习项目。在上期的文章中(除了 Python ,这些语言写的机器学习项目也很牛(一)),我们已经列了一些其他语言(C、C++、Go、Java、Javascript)值得关注的开源机器学习项目,本期将针对 PHP、Ruby、Objective C、Swift、Scala 进行补全,同时应上期留言要求,在文末列了一些 .NET 平台上的机器学习项目。 1、PHP PHP-ML —— 机器学习库 PHP-ML 是 PHP 的机器学习库,同时包含算法、交叉验证、神经网络、预处理、特征提取等多种特性。要求 PHP 版本 > = 7.0 。 PHP-ML 提供的机器学习算法包括:关联规则学习(Apriori 算法)、分类器(SVC、KNN、贝叶斯)、回归(最小二乘线性回归、支持向量回归)、聚类(KMeans、基于密度的聚类算法)、矩阵运算相关(准确率、混肴矩阵、与分类相关的结论如精确度、召回率、F1 值、支持率)、模型运算管道(Pipeline)、神经网络(多层感知机)等。 2、Ruby Treat ——自然语言处理框架 Treat 是一个自然语言处理和...
编辑部的故事 发布于 2个月前 阅读 4106 评论 23 点赞 3

安装TensorFlow for Java

  支持的平台 使用TensorFlow与Maven项目 例 使用TensorFlow与JDK 在Linux或Mac OS上安装 在Windows上安装 验证安装 编译 运行 高级示例 从源代码构建     原文链接 : https://www.tensorflow.org/install/install_java 译文链接 : http://www.apache.wiki/pages/viewpage.action?pageId=10029603 贡献者 : 片刻 ApacheCN Apache中文网 TensorFlow提供用于Java程序的API。这些API特别适合加载使用Python创建的模型,并在Java应用程序中执行它们。本指南介绍如何安装 TensorFlow for Java 并将其用于Java应用程序。 警告: TensorFlow API API 不在 TensorFlow API稳定性保证范围内。 支持的平台 以下操作系统支持TensorFlow for Java: Linux Mac OS X Windows Android Android的安装说明在一个单独的 Android TensorFlow支持页面。安装完成后,请参阅 Android上的TensorFlow的完整示例。 使用TensorFlow与Maven项目 如果您的项目使用Apache Maven,则将以下内容添加到项目中pom.xml以使用TensorFlow Java API: <dependency>   <groupId>org.tensorflow</groupId>   <artifactId>tensorflow</artifactId>   <version>1.1.0</version> </dependency...
片刻 发布于 2个月前 阅读 337

特殊验证码识别

最新在众包上看到一个项目,interesting 自己很感兴趣试着做了一下,发现算法和思路尤为重要   比较简单就是这种了,也有些特殊情况,不过影响也不大 比如黏连分割,去噪点
AndyYuen 发布于 1个月前 阅读 114 评论 2

STM32 通信相关概念

串行通讯:设备间通过少量的数据线,按数据位一位一位的传输数据。(节省数据线硬件成本以及PCB布线面积) 并行通讯:多根数据线进行通讯,同时传递多个数据位。(相同速率下,传输的数据量大)   全双工:在同一时刻两设备间可以同时收发数据。 半双工:两设备都可以收发数据,但不能同时进行。 单工:一方固定为发送设备,一方固定为接收设备。   同步:通讯中的双方会使用一个时钟信号线驱动双方同步数据,一般会约定在上升沿或下降沿对数据线进行采样 异步:在数据信号中穿插同步用的信号位,或把主体数据打包为数据帧的格式传输数据。一般还要约定好数据传输的速率。 同步就是你叫我去吃饭,我听到了就和你去吃饭;如果没有听到,你就不停的叫,直到我告诉你听到了,才一起去吃饭。 异步就是你叫我,然后自己去吃饭,我得到消息后可能立即走,也可能等到下班才去吃饭。   通讯速率:以比特率表示,每秒钟传递的二进制位数,单位bit/s。  而波特率是每秒钟传递的码元数。一般以0V表示0,5V表示1.一个码元表示为01两种状态,这时波特率大小与比特率一致。    
奔跑的夕阳_ 发布于 15小时前 阅读 2

Hibernate框架基础——cascade属性

我们以部门和员工的关系为例讲解一对多关联关系映射时,删除部门时,如果部门有关联的员工且inverse属性为false,那么由于可以维护关联关系,它就会先把关联的员工的外键列设为null值,再删除自己。但是此刻希望删除部门时,就附带着把该部门下的所有员工都删掉,这时就需要引入cascade属性了。 级联(cascade) 当hibernate持久化一个临时对象时,在默认情况下,它不会自动持久化所关联的其他临时对象,而是会抛出TransientObjectException。如果设定many-to-one元素的cascade属性为save-update的话,可实现自动持久化所关联的对象。如: <many-to-one name="customer" column="CUSTOMER_ID" class="..Customer" cascade="save-update" not-null="true" />   级联指的是当主控方执行操作时,关联对象(被动方)是否同步执行同一操作。 级联风格 每个Hibernate session的基本操作包括persist()、merge()、saveOrUpdate()、delete()、lock()、refresh()、evict()、replicate(),这些操作都有对应的级联风格(cascade style)。这些级联风格(cascade style)风格分别命名为persist、merge、save-update、delete、lock、refresh、evict...
Airship 发布于 15小时前

8月20日珠海源创会火热报名中,微服务架构Tars的技术揭秘

火热的八月,OSC源创会带着自由、开放、分享的开源精神,也带着满满的干货主题,邀请珠海的各位来约。
源创会

Java分布式神经网络库Deeplearning4j 环境搭建和运行一个例子

deeplearning4j是一个Apache 2.0-licensed,开源的,分布式神经网络库编写的java和Scala。 开源的学习框架也不少,这么多大企业贡献了自己的部分产品,开源供大家学习研究和完善。例如:Tensor flow,caffe,Theano,Torch,Brainstorm,Chainer,Deeplearning4j 等等,其中Deeplearning4j 是基于 JVM 开发的机器学习工具,完全开源,天行支持JVM 上运行的程序,如:spark ,Hadoop 等。本文介绍一下 Deeplearning4j 的环境搭建,及运行一个官方的例程。
小帅帅丶 发布于 18小时前 阅读 194 点赞 2

Notadd 产品时间规划

|时间|模块|版本|备注| |---|---|---|---| |2017年| |9月10日|商城|0.3.x Alpha|第一个测试版本| |9月17日|CMS|0.5.x Beta|修复大量BUG,支持无限级分类| |9月24日|Notadd|0.9.0 RC| 基于laravel5.5 性能优化| |9月30日|用户中心|0.7.x Beta|七层用户权限| |10月15日|商城|0.5.x Beta| 修复BUG 增加钩子| |10月22日|文章|0.7.x Beta| 支持多用户| |10月29日|Notadd|1.0| 正式版| |11月5日|用户中心|0.9.x RC|权限复杂度可应用于OA| |11月12日|商城|0.9.x RC|暂无| |11月19日|文章|0.9.x RC|暂无| |11月26日|微信|0.3.x Alpha| 微信模块| |12月3日|商城|1.0|正式版| |12月10日|文章|1.0|正式版| |12月17日|微信|0.5.x Beta|公众号权限| |12月31日|神秘模块|0.3.0 Alpha|暂无| |2018年| |1月7日|微信|0.7.0 Beta|小程序| |1月14日|微信|0.9.0 RC|修复BUG| |1月21日|微信|1.0|正式版| |1月28日|神秘模块|0.5.x Beta|暂无| |2月4日|神秘模块|0.7.x Beta|暂无| |2月11日|神秘模块|0.9.x RC|暂无| |3月4日|notadd|1.2|基于Laravel5.6| |3月11日|神秘模块|1.0|暂无|...
左华栋 发布于 19小时前 阅读 4

开源 | 哈佛大学九大自然语言处理开源项目(附论文)

选自 Github 机器之心编译 参与:杜夏德、李泽南、吴攀 在这篇文章中,我们盘点了哈佛大学开源的 9 大有关自然语言处理的项目。虽然里面的代码是研究代码(通常还有一些使用的注意事项),但也已经得到了哈佛研究团队之外的产业组织的应用,其相关项目的证书请参阅对应的 repo。 1.Sequence-to-Sequence Learning with Attentional Neural Networks(使用注意神经网络的序列到序列学习) 项目地址:https://github.com/harvardnlp/seq2seq-attn 在带有(可选)注意(attention)的标准 seq2seq 模型的 Torch 实现中,其编码器 - 解码器(encoder-decoder)模型是 LSTM。编码器可以是一个双向 LSTM。此外还能在字符嵌入(character embeddings)上运行一个卷积神经网络然后再运行一个 highway network,从而将字符(而不是输入的词嵌入)作为输入来使用。 该注意模型来源于发表于 EMNLP 2015 大会上的论文《Effective Approaches to Attention-based Neural Machine Translation》。我们使用该论文中的带有输入 - 反馈方式的全局通用注意力模型( global-general-attention model with the input-feeding approach)。输入 - 反馈作为可选项,也可去掉。 其中的字符模型来源...
Airship 发布于 1天前 阅读 10

博士论文《基于神经网络的词和文档语义向量表示方法研究》

  2016 年 2 月 15 日 BY LICSTAR·57条评论 前前后后写论文也有将近一年的时间了。这个研究的课题到目前还比较热门,在此分享博士论文。希望读者有所收获,少走一些弯路。 论文下载地址:http://pan.baidu.com/s/1jGWmmZO。 arXiv 地址:https://arxiv.org/abs/1611.05962 感谢赵老师的指导,以及各位老师同学的宝贵建议! 有什么疑问或者发现什么问题都可以直接在这里评论。 博士论文 深度学习 词向量
Airship 发布于 1天前 阅读 4

《How to Generate a Good Word Embedding?》导读

  自认为这是一篇有用的文章,因此在发表之前先放到 arXiv 上,供大家参考,请批评指正。   论文地址:http://arxiv.org/abs/1507.05523   实验代码地址:https://github.com/licstar/compare   准备这篇论文大概花了半年时间,从去年 11 月开始做实验,到今年成文。期间消耗大约 10 万 CPU 小时,然后在几十万个结果里面做人肉数据挖掘,最后得到了一些可能有用的结论。   看标题就能够猜到论文的大概内容了,就是希望找到一种简单有效的词向量学习方法。怎么会想到做这件苦逼的事情呢?半年之前在我准备上一篇论文的时候(RCNN,强行广告,欢迎引用,文章点此,上面的常用链接里有文章相关信息)有一个意外的发现:选用不同的词向量作为模型的初始值,效果的差异非常大!!!当时正值我已经调了好几天参数,黔驴技穷之时,没想到手滑用错了个词向量,效果突然变 NB 了。这下我就脑洞大开了,要是能搞出个宇宙第一词向量,岂不是以后可以随便灌水?后面的故事肯定就能猜到了,半年之前我掉进这个坑里,只为寻找这个“宇宙第一”词向量。然后我实现了几个主流的词向量模型,遍历了各种语料和参数,榨干了实验室机器的空闲资源跑词向量,从生成的几十万个词向量里...
Airship 发布于 1天前

Deep Learning in NLP (一)词向量和语言模型

这篇博客是我看了半年的论文后,自己对 Deep Learning 在 NLP 领域中应用的理解和总结,在此分享。其中必然有局限性,欢迎各种交流,随便拍。   Deep Learning 算法已经在图像和音频领域取得了惊人的成果,但是在 NLP 领域中尚未见到如此激动人心的结果。关于这个原因,引一条我比较赞同的微博。 @王威廉:Steve Renals算了一下icassp录取文章题目中包含deep learning的数量,发现有44篇,而naacl则有0篇。有一种说法是,语言(词、句子、篇章等)属于人类认知过程中产生的高层认知抽象实体,而语音和图像属于较为底层的原始输入信号,所以后两者更适合做deep learning来学习特征。 2013年3月4日 14:46   第一句就先不用管了,毕竟今年的 ACL 已经被灌了好多 Deep Learning 的论文了。第二句我很认同,不过我也有信心以后一定有人能挖掘出语言这种高层次抽象中的本质。不论最后这种方法是不是 Deep Learning,就目前而言,Deep Learning 在 NLP 领域中的研究已经将高深莫测的人类语言撕开了一层神秘的面纱。   我觉得其中最有趣也是最基本的,就是“词向量”了。   将词用“词向量”的方式表示可谓是将 Deep Learning 算法引入 NLP 领域的一个核心技术。大多数宣称...
Airship 发布于 1天前

基于用户点击行为的新闻个性推荐

Personalized News Recommendation Based on Click Behavior
满小茂 发布于 1天前 阅读 8 评论 2 点赞 1

机器人写得诗《全世界就在那里》

       河水上滑过一对对盾牌和长矛   她不再相信这是人们的天堂   眼看着太阳落了下去   这时候不必再有爱的诗句   全世界就在那里   早已拉下了离别的帷幕   生命的颜色   你双颊上的道理   是人们的爱情   撒向天空的一个星   变幻出生命的颜色   我跟着人们跳跃的心   太阳也不必再为我迟疑   记录着生命的凭证   像飞在天空没有羁绊的云   冰雪后的水   那霜雪铺展出的道路   是你的声音啊   雪花中的一点颜色   是开启我生命的象征   我的心儿像冰雪后的水   一滴一滴翻到最后   给我生命的上帝   把它吹到缥缈的长空
james_lz 发布于 2天前 阅读 5

Java程序员,如何跳出技术瓶颈?

阅读本文大概需要10分钟 “程序员是青春饭”。当好多人听说你的职业后,一般会跟上这样一句话。听着让你感觉很无奈又无力反驳,因为程序员的确有“青春期”。中年危机,这个字眼我们已经被听到过无数次了,大多是泛指当人的年龄达到一定岁数后,遇到了来自各方的压力,产生的各种各样的问题,使得人们压力很大。但是,在我看来,中年危机不只是年龄到多少才会遇到,在程序员几年的职业生涯中,当你遇到技术瓶颈或者职业发展问题时,就是遇到了“中年危机”。 先说说我的情况,毕业已6年,人至中年,毕业时进入了本地的一家知名国企,在这家国企待了3年后,从国企离职到了一线城市,并进入了互联网金融行业,目前互联网行业已混迹3年。程序员的职业生涯中,前面二到三年,属于一个技术的积累过程,不管是从技术框架还是项目经验方面,前面的几年是你技术成长最快的是时期。毕业的第一份工作能够决定你的基础是否牢固,我在第一家公司时,由于公司属于传统行业软件公司,所以技术方面都是比较基础的一些内容,工作环境原因,这样会导致个人积累有所不足。所以这个时候我果断选择离开那个舒适区,虽然在那边我通过自己的努力,已经拥有了一些小成就,但是为了个人发展,我还是...
沐子哈 发布于 3天前 阅读 314

The TensorFlow library wasn't compiled to use SSE4.1 instructions

2017-08-19 09:02:27.038166: W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use SSE4.1 instructions, but these are available on your machine and could speed up CPU computations. 2017-08-19 09:02:27.038428: W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use SSE4.2 instructions, but these are available on your machine and could speed up CPU computations. 2017-08-19 09:02:27.038597: W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use AVX instructions, but these are available on your machine and could speed up CPU computations.   这些只是警告。 他们只是通知您,如果您从源代码构建TensorFlow可以在您的机器上更快。 默认情况下,这些指令在可用的版本上未启用,我认为可能跟更多CPU兼容性有关。 如果想要禁用这些警告,请加入下面的一段代码: import os os.environ['TF_CPP_MIN_LOG_LEVEL']='2' TF_CPP_MIN_LOG_LEVEL是一个负责日志的TensorFlow环境变量,要禁言INFO日志设置为...
gzfdxy 发布于 3天前 阅读 2

深度学习、自然语言处理和表征方法

翻译:XiaoxiaoLi 简介 过去几年,深度神经网络在模式识别中占绝对主流。它们在许多计算机视觉任务中完爆之前的顶尖算法。在语音识别上也有这个趋势了。 虽然结果好,我们也必须思考……它们为什么这么好使? 在这篇文章里,我综述一下在自然语言处理(NLP)上应用深度神经网络得到的一些效果极其显著的成果。我希望能提供一个能解释为何深度神经网络好用的理由。我认为这是个非常简练而优美的视角。 单隐层神经网络 单隐层神经网络有一个普适性(universality):给予足够的隐结点,它可以估算任何函数。这是一个经常被引用的理论,它被误解和应用的次数就更多了。 本质上这个理论是正确的,因为隐层可以用来做查询表。 简单点,我们来看一个感知器网络(perceptron network)。感知器 (perceptron)是非常简单的神经元,如果超过一个阈值它就会被启动,如果没超过改阈值它就没反应。感知器网络的输入和输出都是是二进制的(0和1)。 注意可能的输入个数是有限的。对每个可能的输入,我们可以在隐层里面构建一个只对这个输入有反应的神经元(见注解1)。然后我们可以利用这个神经元和输出神经元之间的连接来控制这个输入下得到的结果(见注解2)。 这样可以说明单隐层神...
Airship 发布于 3天前 阅读 4

有谁可以解释下word embedding?

最近在学nlp然后看到这个词了wiki的英文解释没太理解,求中文的解释。。
Airship 发布于 3天前

test

test
燕玉苗 发布于 3天前 阅读 4

TF-IDF与余弦相似性的应用(二):找出相似文章

作者: 阮一峰 日期: 2013年3月21日 上一次,我用TF-IDF算法自动提取关键词。 今天,我们再来研究另一个相关的问题。有些时候,除了找到关键词,我们还希望找到与原文章相似的其他文章。比如,"Google新闻"在主新闻下方,还提供多条相似的新闻。 为了找出相似的文章,需要用到"余弦相似性"(cosine similiarity)。下面,我举一个例子来说明,什么是"余弦相似性"。 为了简单起见,我们先从句子着手。   句子A:我喜欢看电视,不喜欢看电影。   句子B:我不喜欢看电视,也不喜欢看电影。 请问怎样才能计算上面两句话的相似程度? 基本思路是:如果这两句话的用词越相似,它们的内容就应该越相似。因此,可以从词频入手,计算它们的相似程度。 第一步,分词。   句子A:我/喜欢/看/电视,不/喜欢/看/电影。   句子B:我/不/喜欢/看/电视,也/不/喜欢/看/电影。 第二步,列出所有的词。   我,喜欢,看,电视,电影,不,也。 第三步,计算词频。   句子A:我 1,喜欢 2,看 2,电视 1,电影 1,不 1,也 0。   句子B:我 1,喜欢 2,看 2,电视 1,电影 1,不 2,也 1。 第四步,写出词频向量。   句子A:[1, 2, 2, 1, 1, 1, 0]   句子B:[1, 2, 2, 1, ...
Airship 发布于 3天前

stm32 SysTick定时器LED

SysTick定时器是一个24位向下计数器的内核外设,每计数一次耗时1/SYSCLK,当重装载寄存器的值减到0时,系统定时器产生中断。 SysTick寄存器:(参考CM3权威指南)                         CTRL     控制及状态寄存器                          LOAD    重装载数值寄存器                           VAL      当前数值寄存器                          CALIB    校准数值寄存器 SysTick 属于内核的外设,有关的寄存器定义和库函数都在内核相关的库文件core_cm3.h 中。 调用SysTick_Config(ticks);通过形参ticks设置重装载寄存器的值,设置优先级为最低的15。清空当前计数器的值,设置系统时钟72M,使能中断与SysTick定时器。 SysTick定时器进入一次中断时间计算T=RELOAD * 1/SYSCLK。用一个变量t记录进入中断的次数,则计时时间为t * T。 定时函数:设置为进一次中断用时 1us,将要计时的时间作为全局变量在中断服务函数中递减。计时时间就是timedelay us 另一种定时方法是利用每次SysTick计数到0时CTRL的位16会被置1,而读取该位后会自动清0的特性。 ————...
奔跑的夕阳_ 发布于 4天前 阅读 1

调用腾讯优图开放平台进行人脸识别-Java调用API实现

调用腾讯优图开放平台进行人脸识别-Java调用API实现
小帅帅丶 发布于 4天前 阅读 1717 评论 9 点赞 3

Ubuntu 上安装TensorFlow

官网安装说明:https://www.tensorflow.org/install/install_linux 安装环境:Ubuntu 16.04.3 LTS、Python 2.7 一、安装步骤如下: 1、安装 pip 和 virtualenv :       sudo apt-get install python-pip python-dev python-virtualenv   # for Python 2.7 2、创建一个 virtualenv 运行环境 ,targetDirectory是TensorFlow的安装目录       virtualenv --system-site-packages targetDirectory   # for Python 2.7       朕选择安装在/usr/local/目录下:virtualenv --system-site-packages /usr/local/tensorflow 3、激活 the virtualenv 环境      source /usr/local/tensorflow/bin/activate      激活成功后,有提示出现,(tensorflow) 4、保证 机器上的pip版本 在8.1以上(包括8.1) :      easy_install -U pip 5、如果第4步执行成功了, 就跳过第5步。 如果第4步执行失败了, 就需要执行第5步 pip install --upgrade tensorflow     # for Python 2.7 到此为止,TensorFlow以安装结束。 二、接下来,需要验证TensorFlow是否安装成功。 用python编写一个简单的程序如下: # Python import tensorflow as tf hello = tf.cons...
gzfdxy 发布于 4天前 阅读 1

卷积神经网络在自然语言处理的应用

CNN作为当今绝大多数计算机视觉系统的核心技术,在图像分类领域做出了巨大贡献。本文从计算机视觉的用例开始,介绍CNN及其在自然语言处理中的优势和发挥的作用。
Airship 发布于 4天前 阅读 5

调用腾讯优图开放平台进行人脸识别-Java调用API实现

调用腾讯优图开放平台进行人脸识别-Java调用API实现
小帅帅丶 发布于 4天前 阅读 1717 评论 9 点赞 3

TensorFlow入门

TensorFlow入门介绍
随风溜达的向日葵 发布于 4个月前 阅读 3955 评论 17 点赞 8

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 6个月前 阅读 2351 评论 15 点赞 2 打赏 1
顶部