小鹏的专栏-腾讯云开发者社区

开发者社区

文档建议反馈控制台

腾讯云架构师技术同盟

文章/答案/技术大牛

发布

小鹏的专栏

专栏成员

331

文章

415444

阅读量

56

订阅数

torch02：logistic regression--MNIST识别

https 网络安全腾讯云测试服务 git github

MachineLP的Github（欢迎follow）：https://github.com/MachineLP

2022-05-09

2060

torch01：torch基础

https 网络安全编程算法 github git

MachineLP的Github（欢迎follow）：https://github.com/MachineLP

2022-05-09

3470

tf37：tensorflow中将模型的权重值限定范围

编程算法 github git 开源

MachineLP的Github（欢迎follow）：https://github.com/MachineLP

2022-05-09

7230

CosFace中的cos loss（Large Margin Cosine Loss）实现（tensorflow）

https 网络安全对象存储 github git

MachineLP的Github（欢迎follow）：https://github.com/MachineLP

2022-05-09

7600

smoothL1 loss的tensorflow实现

MachineLP的Github（欢迎follow）：https://github.com/MachineLP

2022-05-09

5660

opencv--基于深度学习的人脸检测器

python opencv 存储

首先，一直以来就在考虑这么牛逼的opencv该换一下里边一些过时的东西了，像：检测器、识别器等等，果不其然，openv的大佬们还是偷偷的换了。

2022-05-09

4600

使用openCV提取sift；surf；hog特征

cv2.SIFT() cv2.SURF() cv2.HOGDescriptor() 使用cv2.SIFT的一个样例：(cv2.SURF使用与之类似) #coding=utf-8 import cv2 import scipy as sp img1 = cv2.imread('x1.jpg',0) # queryImage img2 = cv2.imread('x2.jpg',0) # trainImage # Initiate SIFT detector sift = c

2022-05-09

5540

RNN：几张图搞懂RNN模型构建

循环神经网络(RNN, Recurrent Neural Networks)介绍：http://blog.csdn.net/u014365862/article/details/50896554

2022-05-09

5320

tf35：tf.estimator

git github 开源

MachineLP的Github（欢迎follow）：https://github.com/MachineLP

2022-05-09

2610

tf34：从ckpt中读取权重值

tensorflow model 变量

在TensorFlow里，提供了tf.train.NewCheckpointReader来查看model.ckpt文件中保存的变量信息。

2022-05-09

1.1K0

机器学习-24：MachineLN之朴素贝叶斯源码

机器学习神经网络深度学习人工智能

你要的答案或许都在这里：小鹏的博客目录上一篇介绍了朴素贝叶斯的原理：MachineLN之朴素贝叶斯下面为源码： from numpy import * # 构建一个简单的文本数据集，包含两个类别。 def loadDataSet(): postingList=[['my', 'dog', 'has', 'flea', 'problems', 'help', 'please'], ['maybe', 'not', 'take', 'him', 'to', 'do

2022-05-09

2520

机器学习-23：MachineLN之朴素贝叶斯

编程算法机器学习神经网络深度学习

贝叶斯模型是指模型参数的推断用的是贝叶斯估计方法，也就是需要指定先验分布，再求取后验分布。

2022-05-09

3430

机器学习-22：MachineLN之RL

强化学习监督学习机器学习神经网络深度学习

原本打算将机器学习基础写完以后再写深度学习、强化学习、迁移学习的内容，但是现在看还是中间穿插一点比较好。

2022-05-09

3840

机器学习-21：MachineLN之SVM源码

机器学习神经网络深度学习人工智能

其实很多事情一定要找好自己的节奏，因为你会发现你不会的东西太多了，千万不要被带跑了。

2022-05-09

2970

机器学习-20：MachineLN之SVM（2）

编程算法机器学习神经网络深度学习

其实想一下从上学到毕业，学了那么多有多少是真实用到的呢？但是这些事潜移默化影响你的东西，其实我们学习的并不是真实的会这些知识（并且有很多知识现在过时），而是我们学习的是一种快速学习一门知识的能力，要的就是这个快字；怎么一个快字了得，对不光快还要稳；直到今天才真正了解一些教育的含义，并不是死记硬背，而是举一反三，并不是拿来主义，而是针对特定问题特定场景特定解决；并不是随波逐流，而是扬起自己的帆远航；并不是svm，而是一种境界；

2022-05-09

2210

机器学习-19：MachineLN之SVM（1）

编程算法机器学习神经网络深度学习

说起SVM很多人都会感觉头疼，无非就是公式多一个，其实很多时候你真是用的话，都不用你手动自己实现，你是在学习的一种机器学习的思维方式，就要比为什么要提出svm？svm解决了什么问题？svm中的kernel又是想解决线性svm解决不了的问题？svm的优势在哪里？就好比生活中不缺乏美，只是缺少发现美的眼睛，在学习中发现问题的能力及其重要，当你问题多了很多人会感觉你烦，但是没关系，解决了就会柳暗花明；并且要时常问自己从中学到了什么？再遇到问题是否可以拿来主义？还是可以从中借鉴？

2022-05-09

2680

机器学习-18：MachineLN之逻辑回归源码

机器学习神经网络深度学习人工智能

上一节：MachineLN之逻辑回归，讲述了逻辑回归的原理，今天看一下带详细注释的源码：切记好代码都是敲出来的，并且越敲越有感觉：

2022-05-09

1770

机器学习-17：MachineLN之逻辑回归

编程算法机器学习神经网络深度学习人工智能

逻辑回归可以这样理解：和感知机比较着来看或许更好，将感知机的表达式中的sign函数换成sigmoid就是逻辑回归的表达式，但是这一换不要紧，导致后边参数更新的方式完全不同，因为逻辑回顾的损失函数是参数连续可导的，还记得我们说过感知机的损失函数是参数连续不可导的吗？：MachineLN之感知机

2022-05-09

1860

机器学习-16：MachineLN之感知机源码

机器学习神经网络深度学习人工智能编程算法

其实很多东西还是要靠自己，靠自己去完成最大的一点就是远离舒适区，试想一下自己每时每刻都要为下一顿能不能吃上饭而奋斗，是一种什么样的体验，估计你连想都不敢想；最近又听到说下岗的问题，有一个人说他除了收钱什么都不会，有时候也要多培养点自己的能力，做好一项，其他的也了解（当然也不了太多），多给自己备好能力，远离舒适区，但无论在哪里都有这么一批人，那你考虑过没有公司万一不景气，第一个下岗的会是谁？下岗了又可以迅速跨到别的领域的又是谁？我做不到这一点，但我在加油，要永远记住：公司不养闲人！比你优秀的人比你还努力，你还好意思说你不会？不会可以学啊，不学永远不会，哈哈，言辞过激了吗，也不知道咋地，最近着魔了吧！！！

2022-05-09

2590

机器学习-15：MachineLN之感知机

编程算法机器学习神经网络深度学习

其实感知机虽然原理简单，但是不得不说他的意义重大，为什们呢？他是SVM的前身，后面的SVM是由此进化来的，其实两个结合起来学习会更好的，但是内容太多，SVM三境界，我可能还是停留在“昨夜西风调碧树，独上高楼，望尽天涯路”，期待突破后面的两重天：“衣带渐宽终不悔，为伊消得人憔碎”， “众里寻他千百度，蓦然回首，那人却在，灯火阑珊处”。说起三境界不得不提佛家三境界：看山是山，看水是水；看山不是山，看水不是水；看山还是山，看水还是水。两者相通互补吧，才疏学浅不敢瞎说，理解还是有点困难的，突然感觉很多事情都是相通的，分久必合，合久必分？乱了乱了，我整天就知道瞎说，别介意。另外最近开始想这么一个问题：什么样的数据不适合用卷积？什么样的数据不适合用池化？什么样的数据只适合用全连接的结构？稍微有点眉目；感觉真的没有通用的网络！！！真是悲哀，以前提通用AI差点被骂死，出来DL后没人再提，只是说针对特定领域特定问题的AI；

2022-05-09

2970

点击加载更多

社区活动

Python精品学习库

代码在线跑，知识轻松学

博客搬家 | 分享价值百万资源包

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

技术创作特训营·精选知识专栏

往期视频·干货材料·成员作品最新动态