原创 基於django框架,使用python搭建web服務器的步驟

本文主要介紹如何從零開始,進行一個 django 框架下 web 服務器的搭建,這裏只簡要介紹搭建的步驟。 1、首先,cmd進入命令行,切換當前目錄到你要在哪裏進行創建項目的目錄下,比如我在 D:\web\ 下創建目錄,則如下所示: 2

原创 將 .ipynb 文件轉換爲 .py文件

首先,確保安裝了 jupyter 包,沒有安裝就 pip install 一下; 然後,將其路徑添加到系統路徑中; 之後,cmd 打開命令行,切換當前目錄到 .ipynb 文件所在目錄下; 輸入命令: jupyter nbconvert

原创 MySQL的學習————觸發器(trigger)的使用介紹

原文鏈接:https://www.cnblogs.com/CraryPrimitiveMan/p/4206942.html 僅爲學習之便,非常感謝原作者的整理 觸發器 MySQL包含對觸發器的支持。觸發器是一種與表操作有關的數據庫對象,當

原创 MySQL數據庫安裝及常見問題處理

一、MySQL數據庫安裝 安裝包下載地址:鏈接:https://pan.baidu.com/share/init?surl=y9lqjjKYDlC9Tf8qJLAxyw 提取碼:hj1g  下載後解壓,一路next即可安裝完成。 二、常見

原创 pytorch 安裝(win10、anaconda環境下)

直接去pytorch官網  https://pytorch.org/  ,根據自己的電腦配置選擇對應的選項,選好之後,會自動生成適合你自己電腦的安裝命令,如下所示: 然後在自己的環境下運行這個命令即可。 需要注意的幾點:1、自己若要用虛

原创 西瓜書課後題——第十二章(計算學習理論)

本章涉及的數學理論知識太多,大多是純理論的公式推導,所以目前只是大體看了一遍,瞭解了一些基本的概念和知識,並沒有深入地對每一個定理進行證明和推導。所以課後題參考這篇博客:  https://blog.csdn.net/icefire_ty

原创 西瓜書課後題——第十一章(特徵選擇與稀疏學習)

11.1 編程實現 Relief 算法,並在西瓜數據集上測試。 Relief 是過濾式特徵選擇算法,根據設計的 “相關統計量” 來度量特徵的重要性。該方法和後續的學習器無關,只根據數據集就可完成特徵選擇。相關的思想理論介紹見書P249-2

原创 Tensorflow 數據讀取方式:Dataset API

本篇爲轉載博客,只爲方便學習,若有侵權。請聯繫刪除! 附上原文鏈接:https://blog.csdn.net/kwame211/article/details/78579035 再次感謝原博主的講解分析和整理,非常詳細易懂!   Dat

原创 西瓜書課後題——第十章(降維與度量學習) ( KNN、PCA )

此處只記錄編程題目10.1和10.6,其餘題目請參考:https://blog.csdn.net/icefire_tyh/article/details/52243773 10.1  KNN分類 理論比較簡單,書上也說的比較清晰,所以直接

原创 解決tensorboard可視化報錯:OSError: [Errno 22] Invalid argument 和 在瀏覽器無法打開的問題

首先,在得到日誌文件,運用tensorboard進行可視化時,在終端輸入: tensorboard --logdir=日誌保存地址 可能會出現以下錯誤:OSError: [Errno 22] Invalid argument 這個問題其

原创 深入理解 Batch Normalization 批標準化

轉載自博客園:https://www.cnblogs.com/guoyaohua/p/8724433.html          Batch Normalization作爲最近一年來DL的重要成果,已經廣泛被證明其有效性和重要性。雖然有些

原创 西瓜書課後題——第九章(聚類)

本章因爲課後題大部分都是證明和解答題,所以不再詳細敘述,只是針對 9.4 題給出相關算法的實現。 關於證明和簡答題可以參考這篇博客:  https://blog.csdn.net/icefire_tyh/article/details/5

原创 tensorflow中轉置卷積 conv2d_transpose 的實現機理及特殊情況處理方式

想理解轉置卷積的實現過程,首先應該深入理解一下卷積的實現過程,請參考我的另一篇文章:https://blog.csdn.net/qq_37691909/article/details/89487724 接下來介紹一下轉置卷積的情況。官方的

原创 AlexNet 論文閱讀總結

        神經網絡在歷史上經過幾起幾落,自上世紀90年代以來,由於傳統機器學習方法(SVM等)的崛起,神經網絡方法由於過大的計算量一直被人們忽視,直到2010年前後,隨着計算機硬件資源性能的提高和數據量的增加,神經網絡迎來了又一次興

原创 在 word 中給公式加編號,公式居中,編號右對齊

論文排版時,需要給公式加上編號並右對齊,公式居中,這時就需要通過樣式及製表符設置來實現。 請參見這篇文章:https://wenku.baidu.com/view/1777a3271ed9ad51f01df286