摘要：
分布式Tensorflow 单机多卡（gpu） 多级多卡（分布式） 自实现分布式 API： 1，创建一个tf.train.ClusterSpec，用于对集群的所有任务进行描述，该描述对于所有任务相同 2，tf.train.Server 创建ps，worker 并运行相应的计算任务 clu 阅读全文
摘要：
验证码识别 1，分割 2，整体识别 一张图片n个字母 即不再是一个目标值，是n个 例：NZPP N [0.01，0.02,0.03.......] 概率 N [0，0,0,0,1.......] one hot编码 Z [0.01，0.02,0.03.......] Z [0,1,0,0 阅读全文
摘要：
深度神经网络 卷积神经网络 1，卷积神经网络与简单神经网络的比较 全连接网络的缺点： 参数太多，图片过大时，计算太多 没有利用像素之间位置信息 层数限制 2，卷积神经网络发展史 3，卷积神经网络结构 神经网络：输入层，隐藏层，输出层 卷积神经网络：隐藏层分为 卷积层过滤器：通过在原始图像上平移来 阅读全文
摘要：
神经网络 感知机 解决分类问题 "http://playground.tensorflow.org" 神经网络 定义: 在机器学习领域和认知科学领域,人工神经网络(artificial neural network) 简称ann或类神经网络,一种放生物 神经网络的结构和功能的计算模型,用于对函数 阅读全文
摘要：
tensorflow 数据读取 队列和线程 文件读取, 图片处理 问题:大文件读取,读取速度, 在tensorflow中真正的多线程 子线程读取数据 向队列放数据(如每次100个),主线程学习,不用全部数据读取后,开始学习 队列与对垒管理器,线程与协调器 tf.FIFOQueue(capacity= 阅读全文
摘要：
Python2Python3 default charset ascii(can change) utf-8 print 可不加括号 必须加 range 有xrange()生成器 可转换为range input raw_input() input 5/2 2自动向下取整 2.5 object 只有新 阅读全文
摘要：
1，初识爬虫 import requestsfrom bs4 import BeautifulSoupimport osurl="https://www.58pic.com/"response = requests.get(url)response.encoding='utf8'# print(re 阅读全文
摘要：
1,http 小提示:"{:0>3}".formate(9) 右对齐若小于3位 >00n 0位占位符,> 表示右对齐 响应格式 请求格式 2 django基础 3 django web实例 4,MVC 5,django 路由系统 5_orm_1 6_orm_2 7_分页_session_cookie 阅读全文
摘要：
1 多进程 # 多进程,import osimport timefrom multiprocessing import Process# 启动时必须在 if __name__ 判断下,windows 必须,其他 无限制# # def func(args):# print("子进程:",os.getp 阅读全文
摘要：
Python 概述 简介 python是一种解释性,面向对象,动态数据类型的高级程序语言, 解释型,无编译过程,逐行解释为二进制 交互性,直接执行程序 应用广泛, 编译型:一次将所有编译为二进制 特点 易于学习 易于维护 易于阅读 广泛的标准库 互动模式 可移植 可扩展:兼容c语言,可调用 数据库 阅读全文
摘要：
# 深度学习 # 图像识别,自然语言处理 # 机器学习 深度学习 # 分类:神经网络(简单) 神经网络(深度) # 回归 图像:卷积神经网络 # 自然语言处理:循环神经网络 # cpu:运行操作系统,处理业务,计算能力不是特别突出 # gpu:专门为计... 阅读全文
摘要：
# 决策树,随机森林 # 决策树结构:if-then # 信息熵: # 例:第一届世界杯32支球队 每个队伍冠军概率1/32 # 可得 log32(程序员认为的log一般都默认是以2为底) = -(1/32*log(1/32)+1/32*log(1/32).....) # 2018 第21届世界杯根 阅读全文
摘要：
P(A|B)=P(B|A)P(A)/P(B) 阅读全文
摘要：
# 机器学习_概述 # 数据类型:连续性,离散型 # 算法分类 # 监督学习(特征值+目标值):(预测) # 分类: k近邻算法 贝叶斯 决策树与随机森林 逻辑递归 神经网络 # 回归: 线性回归 岭回归 # 标注: 隐马尔可夫模型(不做要求) # 无监督学习(只有特征值) # 聚类: k-means # 机器学习流程 # 建立模型:(根据数据类型划分应用种类) 模型:算法+数据 # 1,获取数据 阅读全文
摘要：
# 特征处理 # 特征预处理:通过统计方法将数据转换为算法需要的数据 # 数值型数据:标准缩放 # 规依法,标准化(常用,适用于当前大数据),缺失值处理(删除,填补中位数平均数,通常按照列填补) # 类别型数据:ont-hot编码 # 时间类型:时间的切分 # 特征处理API sklearn.preprocessing # ==========================... 阅读全文