01 2018 档案
摘要：TensorFlow是什么？ TensorFlow基于数据流图，用于大规模分布式数值计算的开源框架。节点表示某种抽象的计算，边表示节点之间相互联系的张量。 TensorFlow支持各种异构的平台，支持多CPU/GPU，服务器，移动设备，具有良好的跨平台的特性；TensorFlow架构灵活，能够支持各
阅读全文
摘要：1.Python是如何进行内存管理的？ Python的内存管理是由私有heap空间管理的。所有的Python对象和数据结构都在一个私有heap中。程序员没有访问该heap的权限，只有解释器才能对它进行操作。 为Python的heap空间分配内存是由Python的内存管理模块进行的，其核心API会提供
阅读全文
摘要：什么是Docker? 在Docker之前，我们肯定要先了解Docker是什么。官网的介绍是“Docker is the world’s leading software container platform.”官方给Docker的定位是一个应用容器平台。至于为什么要做这个Docker，官网上还有这么
阅读全文
摘要：SVM是什么 简单点讲，SVM 就是个分类器，它用于回归的时候称为SVR（Support Vector Regression），SVM和SVR本质上都一样。下图就是SVM分类： （边界上的点就是支持向量，这些点很关键，这也是”支持向量机“命名的由来） SVM的目的：寻找到一个超平面使样本分成两类，并
阅读全文
摘要：决策树 决策树是一种简单但广泛使用的分类器，它通过训练数据构建决策树，对未知的数据进行分类。决策树的每个内部节点表示在一个属性上的测试，每个分枝代表该测试的一个输出，而每个树叶结点存放着一个类标号。 在决策树算法中，ID3基于信息增益作为属性选择的度量，C4.5基于信息增益比作为属性选择的度量，CA
阅读全文
摘要：在先阐述朴素贝叶斯定理前，先介绍贝叶斯定理： 贝叶斯定理 贝叶斯定理是关于随机事件A和B的条件概率（或边缘概率）的一则定理。其中P(A|B)是在B发生的情况下A发生的可能性。贝叶斯定理也称贝叶斯推理，早在18世纪，英国学者贝叶斯(1702～1763)曾提出计算条件概率的公式用来解决如下一类问题：假设
阅读全文
摘要：创建WCF服务 1. 新建立空白解决方案，并在解决方案中新建项目，项目类型为：WCF服务应用程序。 2、建立完成后如下图所示： 3、删除系统生成的两个文件IService1.cs与Service1.svc（或者自己重命名，在系统生成的基础文件中进行编码，此处感觉重命名麻烦，于是选择删除--新建） 4
阅读全文
摘要：object detection我的理解，就是在给定的图片中精确找到物体所在位置，并标注出物体的类别。object detection要解决的问题就是物体在哪里，是什么这整个流程的问题。然而，这个问题可不是那么容易解决的，物体的尺寸变化范围很大，摆放物体的角度，姿态不定，而且可以出现在图片的任何地方
阅读全文
摘要：SOA 面向服务架构，它可以根据需求通过网络对松散耦合的粗粒度应用组件进行分布式部署、组合和使用。服务层是SOA的基础，可以直接被应用调用，从而有效控制系统中与软件代理交互的人为依赖性。 SOA是一种粗粒度、松耦合服务架构，服务之间通过简单、精确定义接口进行通讯，不涉及底层编程接口和通讯模型。SOA
阅读全文
摘要：介绍 1.什么时候需要进行迁移学习 目前大多数机器学习算法均是假设训练数据以及测试数据的特征分布相同。然而这在现实世界中却时常不可行。例如我们我们要对一个任务进行分类，但是此任务中数据不充足（在迁移学习中也被称为目标域），然而却有大量的相关的训练数据（在迁移学习中也被称为源域），但是此训练数据与所需
阅读全文
摘要：损失函数(Loss/Error Function): 计算单个训练集的误差，例如：欧氏距离，交叉熵，对比损失，合页损失 代价函数(Cost Function): 计算整个训练集所有损失之和的平均值 至于目标函数(Objective function)，字面一些，就是有某个（最优化）目标的函数，比如最
阅读全文
摘要：前言 我们都知道增加网络的宽度和深度可以很好的提高网络的性能，深的网络一般都比浅的的网络效果好，比如说一个深的网络A和一个浅的网络B，那A的性能至少都能跟B一样，为什么呢？因为就算我们把A的网络参数全部迁移到B的前面几层，而B后面的层只是做一个等价的映射，就达到了A网络的一样的效果。一个比较好的例子
阅读全文
摘要：GoogLeNet Incepetion V1 这是GoogLeNet的最早版本，出现在2014年的《Going deeper with convolutions》。之所以名为“GoogLeNet”而非“GoogleNet”,文章说是为了向早期的LeNet致敬。 介绍 深度学习以及神经网络快速发展，
阅读全文
摘要：前言 这里讨论的优化问题指的是，给定目标函数f(x)，我们需要找到一组参数x（权重），使得f(x)的值最小。 本文以下内容假设读者已经了解机器学习基本知识，和梯度下降的原理。 SGD SGD指stochastic gradient descent，即随机梯度下降。是梯度下降的batch版本。 对于训
阅读全文
摘要：1. 联合概率 联合概率：是指两个事件同时发生的概率。 P(A,B)=P(B|A)⋅P(A)⇒P(B|A)=P(A,B)/P(A) 因此当两事件独立时，P(A,B)=P(A)⋅P(B)，此时，P(B|A)=P(B)，也即事件 A 发不发生对事件 B 发生的概率没有影响。
阅读全文
摘要：协方差 用来衡量两个随机变量的分布之间的总体变化性，经常用来衡量两个随机变量之间的线性相关性，如果两个随机变量的协方差为0，那么称这两个随机变量是线性不相关。 偏差(bias) 偏差度量了学习算法的期望预测与真实结果的偏离程序, 即 刻画了学习算法本身的拟合能力 . 方差(variance) 方差度
阅读全文
摘要：此设计模式遵循的设计原则之一：类应该支持扩展，而拒绝修改（Open-Closed Principle） 装饰者模式简述 装饰者模式通过组合的方式扩展对象的特性，这种方式允许我们在任何时候对对象的功能进行扩展甚至是运行时扩展，而若我们用继承来完成对类的扩展则只能在编译阶段实现，所以在某些时候装饰者模式
阅读全文
摘要：1. 概述 将一个请求封装为一个对象(即我们创建的Command对象），从而使你可用不同的请求对客户进行参数化; 对请求排队或记录请求日志，以及支持可撤销的操作。 2. 解决的问题 在软件系统中，行为请求者与行为实现者通常是一种紧耦合的关系，但某些场合，比如需要对行为进行记录、撤销或重做、事务等处理
阅读全文
摘要：桥梁模式（Bridge Patter）也叫做桥接模式，是一个比较简单的模式。 定义： 将抽象和实现解耦，使得两者可以独立地变化。 通用类图： ● Abstraction——抽象化角色 它主要的职责是定义出该角色的行为，同时保存一个对实现化角色的引用，该角色一般是抽象类。 ● Implementro—
阅读全文
摘要：定义：将一个复杂对象的构建与它的表示分离，使得同样的构建过程可以创建不同的表示。 类型：创建类模式 类图： 四个要素 产品类：一般是一个较为复杂的对象，也就是说创建对象的过程比较复杂，一般会有比较多的代码量。在本类图中，产品类是一个具体的类，而非抽象类。实际编程中，产品类可以是由一个抽象类与它的不同
阅读全文
摘要：定义： 适配器模式把一个类的接口变换成客户端所期待的另一种接口，从而使原本因接口不匹配而无法在一起工作的两个类能够在一起工作。 适配器模式的用途 用电器做例子，笔记本电脑的插头一般都是三相的，即除了阳极、阴极外，还有一个地极。而有些地方的电源插座却只有两极，没有地极。电源插座与笔记本电脑的电源插头不
阅读全文
浙公网安备 33010602011771号