//目录

11 2018 档案

摘要:多层感知机中: hi 以 p 的概率被丢弃,以 1-p 的概率被拉伸,除以 1 - p 阅读全文
posted @ 2018-11-30 18:42 小草的大树梦 阅读(223) 评论(0) 推荐(0) 编辑
摘要:from mxnet import gluon,init,nd,autograd from mxnet.gluon import data as gdata,nn from mxnet.gluon import loss as gloss import mxnet as mx import time import os import sys # 建立网络 net = nn.Sequentia... 阅读全文
posted @ 2018-11-30 17:55 小草的大树梦 阅读(868) 评论(0) 推荐(0) 编辑
摘要:import mxnet as mx from mxnet import autograd, gluon, init, nd from mxnet.gluon import loss as gloss, nn from mxnet.gluon import data as gdata import time import sys net = nn.Sequential() net.add(nn... 阅读全文
posted @ 2018-11-30 14:42 小草的大树梦 阅读(797) 评论(0) 推荐(0) 编辑
摘要:import mxnet as mx import sys from mxnet import autograd,nd from mxnet import gluon,init from mxnet.gluon import nn,loss as gloss from mxnet.gluon import data as gdata # 读取数据 mnist_train = gdata.vi... 阅读全文
posted @ 2018-11-30 11:16 小草的大树梦 阅读(362) 评论(0) 推荐(0) 编辑
摘要:from mxnet import autograd,nd from mxnet import gluon,init from mxnet.gluon import nn,loss as gloss from mxnet.gluon import data as gdata def pool2d(X, pool_size, mode='max'): p_h, p_w = pool_s... 阅读全文
posted @ 2018-11-29 16:55 小草的大树梦 阅读(298) 评论(0) 推荐(0) 编辑
摘要:from mxnet import gluon,init from mxnet import autograd,nd from mxnet.gluon import nn,loss as gloss from mxnet.gluon import data as gdata # 二维卷积层 def corr2d(X,K): h, w = K.shape Y = nd.ze... 阅读全文
posted @ 2018-11-29 16:26 小草的大树梦 阅读(290) 评论(0) 推荐(0) 编辑
摘要:多输入通道 多输出通道: 设卷积核输入通道,输出通道是 ci , co,高宽为 kh , kw 为每个输出通道分别建立 ci * kh * kw 的核数组。在输出通道维上连结,卷积核的形状即为co * ci *kh*kw 阅读全文
posted @ 2018-11-29 15:34 小草的大树梦 阅读(1305) 评论(0) 推荐(0) 编辑
摘要:padding & stride 阅读全文
posted @ 2018-11-29 14:33 小草的大树梦 阅读(202) 评论(0) 推荐(0) 编辑
摘要:from mxnet import gluon,init from mxnet.gluon import nn,loss as gloss from mxnet.gluon import data as gdata from mxnet import autograd,nd # 二维互相关运算 def corr2d(X, K): h, w = K.shape Y = nd... 阅读全文
posted @ 2018-11-29 11:27 小草的大树梦 阅读(205) 评论(0) 推荐(0) 编辑
摘要:from mxnet import gluon,init from mxnet.gluon import loss as gloss, nn from mxnet.gluon import data as gdata from mxnet import nd,autograd import gluo 阅读全文
posted @ 2018-11-28 17:43 小草的大树梦 阅读(692) 评论(0) 推荐(0) 编辑
摘要:from mxnet import gluon,init from mxnet.gluon import loss as gloss,nn from mxnet.gluon import data as gdata from mxnet import autograd,nd import gluonbook as gb import sys # 读取数据 mnist_train = gdata... 阅读全文
posted @ 2018-11-28 16:55 小草的大树梦 阅读(597) 评论(0) 推荐(0) 编辑
摘要:from mxnet import autograd, nd num_inputs = 2 num_examples = 1000 true_w = [2,-3.4] true_b = 4.2 feature = nd.random.normal(scale=1,shape=(num_examples,num_inputs)) labels = true_w[0]*feature[:,0] ... 阅读全文
posted @ 2018-11-28 16:17 小草的大树梦 阅读(372) 评论(0) 推荐(0) 编辑
摘要:GPU In [1]: import mxnet as mx from mxnet import nd from mxnet.gluon import nn In [2]: mx.cpu(),mx.gpu(),mx.gpu(1) Out[2]: (cpu(0), gpu(0), gpu(1)) In 阅读全文
posted @ 2018-11-28 15:45 小草的大树梦 阅读(455) 评论(0) 推荐(0) 编辑
摘要:还有反向迭代器__reversed__,生成器表达式,等等。 阅读全文
posted @ 2018-11-28 11:26 小草的大树梦 阅读(223) 评论(0) 推荐(0) 编辑
摘要:训练集太少,容易出现过拟合,即训练集loss远小于测试集loss,解决方案,权重衰减——(L2范数正则化) 例如线性回归: loss(w1,w2,b) = 1/n * sum(x1w1 + x2w2 + b - y)^2 /2 ,平方损失函数。 权重参数 w = [w1,w2], 新损失函数 los 阅读全文
posted @ 2018-11-27 16:28 小草的大树梦 阅读(922) 评论(0) 推荐(0) 编辑
摘要:多项式拟合 In [1]: %matplotlib inline import gluonbook as gb from mxnet import nd,autograd, gluon from mxnet.gluon import data as gdata,loss as gloss,nn 生成 阅读全文
posted @ 2018-11-26 18:24 小草的大树梦 阅读(352) 评论(0) 推荐(0) 编辑
摘要:训练误差:在训练集上的表现 泛化误差:在任意一个数据样本上表现的误差 计算误差:损失函数 在机器学习中,假设每个样本都是独立同分布与整体的,于是它训练误差期望 = 泛化误差 一般情况下:由训练数据集学到的训练参数 使得 模型在训练数据集上的表现优于或等于 测试数据集上的表现 模型选择:可以选择完全不 阅读全文
posted @ 2018-11-26 18:21 小草的大树梦 阅读(388) 评论(0) 推荐(0) 编辑
摘要:MLP_Gluon In [2]: import gluonbook as gb from mxnet import gluon, init from mxnet.gluon import loss as gloss,nn In [4]: net = nn.Sequential() net.add( 阅读全文
posted @ 2018-11-26 16:43 小草的大树梦 阅读(291) 评论(0) 推荐(0) 编辑
摘要:MLP In [1]: %matplotlib inline import gluonbook as gb from mxnet.gluon import loss as gloss from mxnet import nd from mxnet import autograd In [2]: ba 阅读全文
posted @ 2018-11-26 16:14 小草的大树梦 阅读(650) 评论(0) 推荐(0) 编辑
摘要: 阅读全文
posted @ 2018-11-26 16:12 小草的大树梦 阅读(181) 评论(0) 推荐(0) 编辑
摘要:将cifar10改成单一通道后,套用前面的softmax分类,分类率40%左右,想哭。。。 In [1]: %matplotlib inline from mxnet.gluon import data as gdata from mxnet import autograd,nd import gl 阅读全文
posted @ 2018-11-26 15:03 小草的大树梦 阅读(754) 评论(0) 推荐(0) 编辑
摘要:softmax #!/usr/bin/env python # coding: utf-8 # In[1]: get_ipython().run_line_magic('matplotlib', 'inline') import gluonbook as gb from mxnet import a 阅读全文
posted @ 2018-11-22 18:32 小草的大树梦 阅读(233) 评论(0) 推荐(0) 编辑
摘要:https://forums.fast.ai/t/error-while-trying-to-open-jupyter-notebook-in-paperspace/22634 阅读全文
posted @ 2018-11-22 12:07 小草的大树梦 阅读(511) 评论(0) 推荐(0) 编辑
摘要:对w,b参数求导暂时不推了,复合函数求导即可。 阅读全文
posted @ 2018-11-22 11:17 小草的大树梦 阅读(124) 评论(0) 推荐(0) 编辑
摘要:优化算法:小批量随机梯度下降 每次随机选择小样本,求小批量数据样本的平均损失函数的导数,修改模型参数。 矢量计算: 那么预测表达式为 y^ = XW + b In [1]: %matplotlib inline from IPython import display from matplotlib 阅读全文
posted @ 2018-11-21 16:56 小草的大树梦 阅读(248) 评论(0) 推荐(0) 编辑
摘要:函数 f ,输入的是一个 n 维向量 x = [x1,x2,...,xn]T,输出是一个标量。 函数 f 关于 x 的梯度就是一个 n 个偏导数组成的向量: 例如: 其中 x = [x1,x2,x3,x4]T,那么 y = 2(x1*x1+x2*x2+x3*x3+x4*x4); 关于 x 的偏导数求 阅读全文
posted @ 2018-11-21 11:37 小草的大树梦 阅读(514) 评论(0) 推荐(0) 编辑
摘要:范数:n 维向量 (x1,x2,x3,...,xn)T 的 Lp 范数为: L1范数:各元素绝对值之和 L2范数:各元素平方开根号 (nd.norm()) 矩阵的 Frobenius范数为个元素平方和开根号 阅读全文
posted @ 2018-11-21 10:45 小草的大树梦 阅读(280) 评论(0) 推荐(0) 编辑
摘要:系统信息 arch 显示机器的处理器架构(1) uname -m 显示机器的处理器架构(2) uname -r 显示正在使用的内核版本 dmidecode -q 显示硬件系统部件 - (SMBIOS / DMI) hdparm -i /dev/hda 罗列一个磁盘的架构特性 hdparm -tT / 阅读全文
posted @ 2018-11-20 19:25 小草的大树梦 阅读(286) 评论(0) 推荐(0) 编辑
摘要:【转】https://www.cnblogs.com/magicc/p/6490566.html SCP 使用方式如下: 1、上传本地文件到服务器 例如scp /var/www/test.php root@192.168.0.101:/var/www/ 把本机/var/www/目录下的test.ph 阅读全文
posted @ 2018-11-20 15:49 小草的大树梦 阅读(458) 评论(0) 推荐(0) 编辑
摘要:【转】https://blog.csdn.net/akon_wang_hkbu/article/details/78973366 阅读全文
posted @ 2018-11-20 11:38 小草的大树梦 阅读(438) 评论(0) 推荐(0) 编辑
摘要:SSH连接服务器可以用putty 网址:https://repo.continuum.io/archive/ 下载安装脚本 安装 添加环境变量 确认 安装mxnet 添加了几个另外的环境变量 注意:.bashrc 和 .bash_profile 的区别 .bash_profile 只会在会话开始时读 阅读全文
posted @ 2018-11-20 11:35 小草的大树梦 阅读(795) 评论(0) 推荐(0) 编辑
摘要:import cv2 filename = 'pic.jpg' def detect(filename): face_cascade = cv2.CascadeClassifier('./haarcascade_frontalface_default.xml') img = cv2.imread('pic.jpg') print(1) gray = cv2.... 阅读全文
posted @ 2018-11-01 21:02 小草的大树梦 阅读(258) 评论(0) 推荐(0) 编辑

点击右上角即可分享
微信分享提示