原创 Pytorch實現Logistic Regression
接上一個博客《Machine Learning In Action 學習筆記之 Logistic regression》，這使用的是Numpy進行迴歸，但我想改用Pytorch框架來寫這個程序。 給定數據集（前兩列爲特徵x1, x
2020-06-26 05:15:42
1
原创 深度學習基礎知識之正則化
背景知識 1 訓練誤差與泛化誤差 訓練誤差，顧名思義，就是在訓練集上表現出的誤差，而後者是通過訓練得到的模型在任意一個測試集上表現出的誤差的期望，但通常直接通過測試集上的誤差即（測試誤差）來近似。 假設學習到的模型是 Y=f^(X
2020-06-26 05:15:42
1
原创 分佈式系統——Raft的分析
這是一篇來自研究生一年級的課程—— 《分佈式系統》 的作業記錄博客。 其主要是實現分佈式系統中一致性的算法 Raft 。 論文鏈接如下：Raft算法英文原文地址 而中文翻譯地址如下：中文翻譯版本 首先我們大致通過一個動畫過程來了解
2020-06-26 05:15:42
1
原创 Android NDK相關知識總結（轉自Android Developer中文檔）
1 NDK 使用入門 原生開發套件 (NDK) 是一套工具，使您能夠在 Android 應用中使用 C 和 C++ 代碼，並提供衆多平臺庫，您可使用這些平臺庫管理原生 Activity 和訪問物理設備組件，例如傳感器和輕觸輸入。
2020-06-26 05:15:42
1
原创 Machine Learning In Action 學習筆記之 決策樹
決策樹是一種常見的機器學習算法，也是很容易理解的。顧名思義，它是基於樹結構進行決策的。 如下圖所示： 正方形表示 判斷模塊 ， 橢圓形表示 終止模塊，一棵決策樹包含一個根結點、若干個內部結點和若干個葉結點，葉節點表示決策結果。
2020-06-26 05:15:42
1
原创 Machine Learning In Action 學習筆記之 Logistic regression
一、 Logisitic regression 邏輯迴歸是機器學習算法中最基礎的算法之一，簡單的理解邏輯迴歸就是進行二分類。 其本質就是在空間中找到一個決策邊界來完成分類的決策。 舉個例子： 上圖有一些數據，特徵爲x1 和 x2
2020-06-26 05:15:42
原创 Machine Learning——聚類（基本概念）
1、聚類任務 我們知道在無監督學習中，訓練樣本的標籤是未知的，所以爲了能夠通過這些無標籤的訓練樣本來探究數據的內在性質及其規律，便產生了許多無監督學習算法。 其中，我們若想要通過數據的內在性質來分類數據，那麼出現了一種叫 “聚類”
2020-06-26 05:15:42
原创 NYOJ—水池數目（DFS）
描述: 校園裏有一些小河和一些湖泊，現在，我們把它們通一看成水池，假設有一張我們學校的某處的地圖，這個地圖上僅標識了此處是否是水池，現在，你的任務來了，請用計算機算出該地圖中共有幾個水池。 輸入: 第一行輸入一個整數N，表示共有N
2020-06-26 05:15:42
原创 Machine Learning In Action 學習筆記之 KNN算法
kNN算法應該是整個機器學習算法裏最最容易理解的算法。 k-近鄰算法 它採用測量不同特徵值之間的距離來進行分類，求距離是整個算法中最核心的部分。 K-近鄰，顧名思義，取離測試樣例最近的k個已知類型樣例，其中這個測試樣例的類別即爲這
2020-06-26 05:15:42
原创 Pytorch【60天修煉計劃】之第一階段——入門
前言： 【之前學習深度學習過程中用到了簡單的Pytorch框架，但是幾乎是斷斷續續的學習，所以非常不熟悉它的使用，所以準備開啓一個60天修煉Pytorch的計劃，我相信只要天天練，天天寫，天天看，之後一定會熟悉它甚至能夠使用它產生
2020-06-26 05:15:42
原创 Git學習筆記（三）遠程倉庫
遠程倉庫 添加遠程庫 我們首先在github上添加我們電腦的SSH Key， 這樣才能在本地將倉庫push到github上。 然後我們在github上創建一個倉庫，名字設爲learngit，接着在本地learngit倉庫下運行：
2020-06-26 05:15:42
原创 Pytorch【60天修煉計劃】之第二階段——進階：卷積神經網絡之AlexNet
接着我們上一個經典的卷積神經網絡LeNet，我們這一篇主要記錄一下深度卷積神經網絡中經典模型 AlexNet，從論文中可以找到其架構： input[ 3, 224 × 224 ] ( channels, weight * he
2020-06-26 05:15:42
原创 Ubuntu中Go環境配置與運行
安裝Go 首先安裝Go對應版本壓縮包 然後輸入指令： tar -C /usr/local -xzf go$VERSION.$OS-$ARCH.tar.gz 然後在 /usr/local/ 就有了 go文件夾 接着我們進行環境變
2020-06-26 05:15:42
1