杨杨09265 - 博客园

paddle(三)

摘要：一、数据源 InMemoryDataset,QueueDataset 加载数据并在训练前缓冲数据。此类由DatasetFactory创建。 import paddle.fluid as fluid dataset = fluid.DatasetFactory().create_dataset("In 阅读全文

posted @ 2020-03-01 02:58 杨杨09265 阅读(473) 评论(0) 推荐(0) 编辑

paddle(二)

摘要：一、优化器 1.SGD/SGDOptimizerSGD 是实现随机梯度下降的一个 Optimizer 子类，是梯度下降大类中的一种方法。当需要训练大量样本的时候，往往选择 SGD 来使损失函数更快的收敛。 2.Momentum/MomentumOptimizer Momentum 优化器在阅读全文

posted @ 2020-02-29 03:02 杨杨09265 阅读(637) 评论(0) 推荐(0) 编辑

paddle(一)

摘要：一、概述一个机器学习的框架，提供了深度学习需要的神经网络，激活函数等主要功能。基础概念 Program 一次模型训练就是一个program，通过执行器执行，默认环境下是执行fluid.default_startup_program()，用户对计算的描述都将写入一段Program。Fluid 中的阅读全文

posted @ 2020-02-28 03:50 杨杨09265 阅读(365) 评论(0) 推荐(0) 编辑

主题模型

摘要： 1.概述一篇文章的每个词都是以一定的概率选择了某个主题，并从这个主题中以一定的概率选择某个词而组成的。 P(单词|文档) = P(单词|主题)*P(主题|文档) 生成过程对于语料中每篇文档，主题模型定义如下生成过程: (1).对每一篇文档,从主题分布中抽取一个主题; (2).从上述被抽到的主题所阅读全文

posted @ 2020-02-26 20:41 杨杨09265 阅读(149) 评论(0) 推荐(0) 编辑

强化学习

摘要： 1.概述强化学习可以理解为逐渐得到最好结果的一个过程，类似与半监督学习，整个过程是在不断的逼近结果。强化学习是状态与动作直接的映射。目标是最大化奖赏的数值。一个简单的例子是迷宫问题,动作就是选择下一步去哪儿，状态就是离重点的距离，如果这个点不能达到距离这个值就是-1 2.奖赏的折扣对于未来的奖阅读全文

posted @ 2020-02-26 03:35 杨杨09265 阅读(151) 评论(0) 推荐(0) 编辑

numpy(三)

摘要： 1.二进制操作逐位元素操作:bitwise_and,bitwise_or,bitwise_xor,invert,left_shift,right_shift 打包二进制:packbits,unpackbits 输出格式:binary_repr 2.字符串操作字符串操作:add,multiply, 阅读全文

posted @ 2020-02-23 11:55 杨杨09265 阅读(91) 评论(0) 推荐(0) 编辑

numpy(二)

摘要： 1.集合操作包含去重，交，并，差集操作 2.排序、搜索和计数 sort,where,argmin,argmax,count_nonzero,argwhere 3.线性代数 np.linalg库，包含 svd,qr,cholesky,eig（特征值和特征向量）,inv(逆矩阵)，slove（解矩阵方阅读全文

posted @ 2020-02-23 00:16 杨杨09265 阅读(123) 评论(0) 推荐(0) 编辑

numpy(一)

摘要： ndarray np的一个核心类，它描述了相同类型的“项目”集合。可以使用例如N个整数来索引项目。每个项目占用相同大小的内存块，并且所有块都以完全相同的方式解释。如何解释数组中的每个项目由单独的数据类型对象指定，其中一个对象与每个数组相关联。除了基本类型（整数，浮点数等）之外，数据类型对阅读全文

posted @ 2020-02-22 01:04 杨杨09265 阅读(146) 评论(0) 推荐(0) 编辑

高斯混合模型

摘要： 1.概述有一组数据D，这组数据来自来个高斯分布，并且模型是两个高斯分布的求和或混合， G1 = N(u1,σ1） G2 = N(u2,σ2) y = pG1 + (1-p)G2 其中u1,u2,σ1,σ2,p均为未知数 2.求解过程 3.主题模型LDA，PLSA 对于语料库中的每篇文档，LDA定义阅读全文

posted @ 2020-02-20 15:19 杨杨09265 阅读(256) 评论(0) 推荐(0) 编辑

RegressionTree(回归树)

摘要： 1.概述回归树就是用树模型做回归问题，每一片叶子都输出一个预测值。预测值一般是该片叶子所含训练集元素输出的均值，即 𝑐𝑚=𝑎𝑣𝑒(𝑦𝑖|𝑥𝑖∈𝑙𝑒𝑎𝑓𝑚)cm=ave(yi|xi∈leafm)。 2.构建过程回归树采用平方和损失函数每次选择一个切分变量j和切分点s 阅读全文

posted @ 2020-02-19 23:22 杨杨09265 阅读(419) 评论(0) 推荐(0) 编辑

yangyang12138

导航

公告