??最近看了本書《認知覺醒》，作者其中一個觀點就是讀書的導(dǎo)向應(yīng)該是我們能行動起來，從而讓自身產(chǎn)生一些向好的變化。作者還說中了一個在我身上常見的現(xiàn)象：就是看了書之后什么也記不住...
IP屬地：河南
-
每日隨筆——讀《激蕩三十年》
-
風(fēng)控建模之woe分箱
一、自動分箱-粗分箱方法介紹 約定初始化分箱的個數(shù)為10。定義：,代表箱子。woe的含義是什么呢？我們可以想一下，假如不對變量進行分箱，即只有一箱，那么該箱的woe值是多少呢...
-
強化學(xué)習(xí)——表格型求解方法了解了強化學(xué)習(xí)的基礎(chǔ)概念[http://www.itdecent.cn/p/5b3b180bf8c1]后，我們知道最優(yōu)策略就是根據(jù)來貪心地選擇狀態(tài)下的動作，那么問題就轉(zhuǎn)變?yōu)?..
-
強化學(xué)習(xí)——基礎(chǔ)概念機器學(xué)習(xí)分為：監(jiān)督學(xué)習(xí)、非監(jiān)督學(xué)習(xí)、強化學(xué)習(xí)。下面從強化學(xué)習(xí)的概念、應(yīng)用、特點等方面帶大家認識強化學(xué)習(xí)，讓大家對強化學(xué)習(xí)有一個初步的了解，最后會比較一下強化學(xué)習(xí)與監(jiān)督學(xué)習(xí)、非...
-
圖卷積神經(jīng)網(wǎng)絡(luò)(GCN)的理論與實踐前言 深度學(xué)習(xí)中大家熟知的幾種框架DNN、CNN、RNN(LSTM和GRU)等等是為了處理歐式空間中的數(shù)據(jù)，如圖片、語音、文本。而圖神經(jīng)網(wǎng)絡(luò)可以應(yīng)用于更為豐富的拓撲結(jié)構(gòu)數(shù)據(jù)，...
-
看一下自己的路徑設(shè)置的是否正確，圖片是否存在，
抱歉，回復(fù)的不及時，希望你的問題已經(jīng)得到了解決。tensorboard中projector的使用
1.首先要定義embedding varibles，也就是你要可視化的數(shù)據(jù)，以mnist為例，就是可視化test數(shù)據(jù)集中前2500個數(shù)據(jù)(必要)： 2.然后創(chuàng)建label文件...
-
沒有shape這個參數(shù)，說明你在調(diào)用disable_v2_behavior() 的時候誤加了一個“shape=”
抱歉，看到的信息不及時，希望你已經(jīng)得到了解決。神經(jīng)風(fēng)格遷移
準(zhǔn)備 一個style image 、一個 content image以及一個訓(xùn)練好的CNN（一般用VGG網(wǎng)絡(luò)就可以，可以去github上下載） 輸入 有三個，分別是：nois...
-
人工神經(jīng)網(wǎng)絡(luò)
（一）感知器 簡單介紹 感知器是一個輸入層，一個輸出層的單層神經(jīng)網(wǎng)絡(luò)，通常是給定輸入，經(jīng)過一個線性權(quán)重的連接后，輸出1或者-1。這樣的網(wǎng)絡(luò)的擬合能力是有限的，例如：我們不能找...
-
支持向量機SVM——原理及相關(guān)數(shù)學(xué)推導(dǎo) 系列二
（一）前言 在系列一中，我們推導(dǎo)的是一個線性可分的SVM，也可以叫做hard margin SVM；但是事情往往不是那么簡單，有的時候兩個類是很難區(qū)分的，或者即使可以線性區(qū)分...
-
誠招管理員！聯(lián)系我~ 本專題專注于大數(shù)據(jù)技術(shù)，包括但不限于：分布式系統(tǒng)，hadoop，spark，storm，mesos，hbase，zookeeper。。。 Tips:如果是自己學(xué)習(xí)這些技術(shù)，通過社區(qū)學(xué)習(xí)是一個不錯的方式。 JIRA:https://issues.apache.org/jira/browse/SPARK/?selectedTab=com.atlassian.jira.jira-projects-plugin:summary-panel
-
機器學(xué)習(xí)(Machine Learning，ML)是研究計算機怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為，以獲取新的知識或技能，重新組織已有的知識結(jié)構(gòu)使之不斷改善自身的性能。數(shù)據(jù)挖掘是從海量數(shù)據(jù)中獲取有效的、新穎的、潛在有用的、最終可理解的模式的非平凡過程。數(shù)據(jù)挖掘中用到了大量的機器學(xué)習(xí)界提供的數(shù)據(jù)分析技術(shù)和數(shù)據(jù)庫界提供的數(shù)據(jù)管理技術(shù)，機器學(xué)習(xí)是數(shù)據(jù)挖掘的一個重要的工具。機器學(xué)習(xí)交流群：613944735
-
支持向量機SVM——原理及相關(guān)數(shù)學(xué)推導(dǎo) 系列一（一）前言 支持向量機比較適合于高維數(shù)據(jù)，可以減緩維數(shù)災(zāi)難問題；也非常適用于小樣本，建模只需要“支持向量”即可。支持向量機的思想非常簡單，就是可以找到一個超平面使得不同類別的...
-
神經(jīng)風(fēng)格遷移
準(zhǔn)備 一個style image 、一個 content image以及一個訓(xùn)練好的CNN（一般用VGG網(wǎng)絡(luò)就可以，可以去github上下載） 輸入 有三個，分別是：nois...
-
tensorflow的權(quán)重加載及固定
在遷移學(xué)習(xí)中——需要固定前面幾層，去重新設(shè)置后面連接層并進行局部訓(xùn)練；在有些神經(jīng)網(wǎng)絡(luò)可視化的方法中，想看下哪種image會讓某個神經(jīng)元"興奮"起來等等都需要用到權(quán)重加載和固定...
-
tensorboard中projector的使用1.首先要定義embedding varibles，也就是你要可視化的數(shù)據(jù)，以mnist為例，就是可視化test數(shù)據(jù)集中前2500個數(shù)據(jù)(必要)： 2.然后創(chuàng)建label文件...
-
Hi，很高興在@IT·互聯(lián)網(wǎng)專題遇見你。 收錄范圍：收錄IT&互聯(lián)網(wǎng)行業(yè)觀察與思考，數(shù)碼產(chǎn)品極客體驗分析等類型文章 投稿須知：http://www.itdecent.cn/p/4edc76104c27 專題主編：@若錦 http://www.itdecent.cn/u/e4c63b354a77 官方社群：可聯(lián)系添加 @若錦 加入專題官方社群交流、學(xué)習(xí)，添加時備注簡書ID。
