2020年1月11日

《深度学习》笔记-卷积神经网络

摘要：卷积网络（convolutional network），也叫卷积神经网络(convolutional neural network,CNN),是一种专门用来处理具有类似网格结构的数据的神经网络。卷积网络是指那些至少使用在网路的一层中使用卷积运算来代替一般的矩阵算法运算的神经网络。 1.卷积运算摘阅读全文

posted @ 2020-01-11 09:20 柳絮阅读(215) 评论(0) 推荐(0) 编辑

2019年12月27日

pandas小程序应用-实验

摘要：背景：来自于日常工作，针对医院行政人员统计日常门诊信息，手工统计繁琐、容易出错的问题，结合实际特点，采用python对数据进行自动统计。具体步骤如下: 1.引入python工具包。 2.读取文件夹中的所有xls文件，将其放置到DataFrame中，并将汇总表导出。 3.对DataFrame中的数据阅读全文

posted @ 2019-12-27 14:49 柳絮阅读(362) 评论(0) 推荐(0) 编辑

2019年12月25日

MPLS VPN配置实验记录

摘要： L3 MPLS VPN关键点：1.PE设备VPN-instance VRF（虚拟转发表项）。一个VPN实例相当于一个路由器，各个VPN实例维护自身的路由信息，一个PE设备路由表包括一个公网路由表与多个VPN路由表。（vlan：相当于虚拟出一个交换机，VPN：相当于虚拟出一个路由器）。 2.PE-CE 阅读全文

posted @ 2019-12-25 15:14 柳絮阅读(11) 评论(0) 推荐(0) 编辑

2019年11月28日

《深度学习》学习笔记-点估计、偏差与方差

摘要： 1.点估计点估计试图为一些感兴趣的量提供单个“最优”预测。一个良好的估计量的话输出会接近生成的训练数据的真实性参数。 2.偏差、方差与标准差偏差：偏离标准值得差值， Bias measures how far off in general these models' predictions a 阅读全文

posted @ 2019-11-28 16:41 柳絮阅读(759) 评论(0) 推荐(0) 编辑

《深度学习》笔记-正则化

摘要：算法效果不仅很大程度上受影响于假设空间的函数数量，也取决于这些函数数量的具体形式。控制算法性能的两种方式：1.允许使用的函数数量，2.这些函数的数量。正则化是指修改学习算法，使其降低泛化误差而非训练误差。正则化以偏差的增加换取方差的减少，一个有效的正则化是有利的“交易”，能够显著减少方差而不过阅读全文

posted @ 2019-11-28 09:55 柳絮阅读(203) 评论(0) 推荐(0) 编辑

2019年11月27日

深度学习实验项目一猫狗识别

摘要：项目来自唐老师猫狗识别项目及数据集。项目具体实施步骤： 1.读取猫狗数据训练集500+500。 2.对读取的图片进行处理，处理成统一大小格式，分好标签。 3.shuffle一下，将猫狗数据掺杂混合，尽可能随机。 4.采用CNN网络训练测试。具体代码如下： 1.读取训练集。 import pand 阅读全文

posted @ 2019-11-27 09:12 柳絮阅读(4297) 评论(0) 推荐(0) 编辑

深度学习实验项目一手写识别

摘要：项目参考唐老师手写识别项目及数据集。数据集是：mnist-demo.csv 具体的实验步骤： 1.读取数据集文件，shape为：(10000, 785)，样式为：进行one-hot编码，将Label转化成： 2.使用Keras进行训练测试训练结果如下：阅读全文

posted @ 2019-11-27 08:55 柳絮阅读(560) 评论(0) 推荐(0) 编辑

2019年11月23日

容量、欠拟合、过拟合问题讨论

摘要：容量、欠拟合、过拟合问题讨论——《深度学习》读书笔记决定机器学习算法是否好的因素： 1.降低训练误差。 2.缩小训练误差和测试误差的差距。这两个因素对应机器学习的两个主要挑战：欠拟合（underfitting）和过拟合（overfitting）。欠拟合是指模型不能在训练集上获得足够低的误差。过拟阅读全文

posted @ 2019-11-23 15:30 柳絮阅读(306) 评论(0) 推荐(0) 编辑

2019年10月16日

Winform C#关于utf8编码问题

摘要： public string SendDataByPost(string param, string Url) { try { HttpWebRequest request = (HttpWebRequest)WebRequest.Create(Url); byte[]... 阅读全文

posted @ 2019-10-16 15:28 柳絮阅读(2622) 评论(0) 推荐(0) 编辑

2019年7月26日

Xgboost参数调节

摘要：转自：https://segmentfault.com/a/1190000014040317 整体: 1.调节最大迭代次数n_estimators 2.调试的参数是min_child_weight以及max_depth： 3.调试参数：gamma： 4. 调试subsample以及colsample 阅读全文

posted @ 2019-07-26 16:56 柳絮阅读(1537) 评论(0) 推荐(0) 编辑