Quantcast

震惊!病毒源头或不是中美!狐狸是谁?

美国将亡于中国自媒体!首个确诊超20万的国家!单日新增死亡创造恐怖纪录

深度解读 | 姜文《让子弹飞》

中国离全面复工还有多远|大象公会

习大大,一起来坐船吗?

Facebook Twitter RSS

分享到微信朋友圈

点击图标下载本文截图到手机
即可分享到朋友圈。如何使用?

为了鼓励更多的人参与到自由互联网的开发,我们最新推出了GreatFire悬赏计划,请参赛者在下列任务中任选其中一个或多个,完成其中的任务目标,即可获得对应金额的奖励。

算法猿的成长

一文了解下 GANs可以做到的事情

原文链接:https://machinelearningmastery.com/impressive-applications-of-generative-adversarial-networks/
2019年6月29日

5月份 Github 上最热的十个 Python 项目,从Debug工具到AI水军、量化交易系统。

https://github.com/xiaoyao153379/QTSSTM4?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more
2019年6月1日

来了解下计算机视觉的八大应用

人脸方面的应用,包括人脸识别、人脸检测、人脸匹配、人脸对齐等等,这应该是计算机视觉方面最热门也是发展最成熟的应用,而且已经比较广泛的应用在各种安全、身份认证等,比如人脸支付、人脸解锁。
2019年4月25日

Github上的各大高校资料以及国外公开课视频

其中第二个只是北大计算机课程的大作业,而第一个则包括更多的课程内容,包括专业课、通选课、英语课、政治课,而专业课包含了人工智能、数学课程、物理课程等等,具体示例如下所示:
2019年4月11日

这些单词你都念对了吗?顺便推荐三份程序员专属英语教程!

一方面这种专业考试是听说读写全方位测试你的英语能力,相比其他测试更加客观一些而且能体现你的短板。另一方面就是如果出国留学或者工作,也可以作为你英语能力的证明。当然缺点就是要备考,然后考一次差不多
2019年4月6日

机器学习入门学习资料推荐

http://www.cnblogs.com/tornadomeet/tag/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/default.html?page=1
2019年3月30日

Python 基础入门--简介和环境配置

:在单步执行时,在函数内遇到子函数时不会进入子函数内单步执行,而是将子函数整个执行完再停止,也就是把子函数整个作为一步。有一点,经过我们简单的调试,在不存在子函数的情况下是和Step
2019年3月26日

初学者的机器学习入门实战教程!

test_size=0.25)上述代码就完成从硬盘中加载图片的路径信息,然后依次遍历,读取图片,提取特征,提取标签信息,保存特征和标签信息,接着编码标签,然后就是划分训练集和测试集。
2019年3月20日

模型评估、过拟合欠拟合以及超参数调优方法

超参数调优是一件非常头疼的事情,很多时候都需要一些先验知识来选择合理的参数值,但如果没有这部分先验知识,要找到最优的参数值是很困难,非常耗费时间和精力。但超参数调优确实又可以让模型性能变得更加的好。
2019年3月18日

简单聊聊模型的性能评估标准

http://www.huaxiaozhuan.com/%E7%BB%9F%E8%AE%A1%E5%AD%A6%E4%B9%A0/chapters/9_model_selection.html
2019年3月15日

[Github项目推荐] 推荐三个助你更好利用Github的工具

https://chrome.google.com/webstore/detail/octotree/bkhaagjahfmjljalopjnoealnfndnagc
2019年3月8日

常用机器学习算法汇总比较(完)

个参数就是一个卷积核,而卷积核是提取特征的方式,与其在图像上的位置无关,图像一个局部的统计特征与其他局部的统计特征是一样的,我们用在这个局部抽取特征的卷积核也可以用在图像上的其它任何地方。
2019年3月4日

常用机器学习算法汇总(中)

https://github.com/ccc013/CodingPractise/blob/master/Python/MachineLearning/kMeansPractise.py
2019年2月26日

[Github项目推荐] 机器学习& Python 知识点速查表

专注于自我学习成长,定期分享Python编程、机器学习、深度学习、计算机视觉等读书学习笔记以及实践项目文章,不定期分享一些工作生活心得感想,欢迎交流,一起成长。
2019年2月24日

常用机器学习算法汇总比较(上)

fitting);2)只能处理标称型数据(离散型);3)信息增益的计算依赖于特征数目较多的特征,而属性取值最多的属性并不一定最优;4)抗噪性差,训练例子中正例和反例的比例较难控制
2019年2月24日

特征工程(完)

http://www.huaxiaozhuan.com/%E7%BB%9F%E8%AE%A1%E5%AD%A6%E4%B9%A0/chapters/8_feature_selection.html
2019年2月22日

特征工程之特征缩放&特征编码

由于微信公众号不支持外链,可点击文末“阅读原文”以访问外部链接。另外,排版时候,对于数学公式都是转换为图片形式,带有水印,为了排版更美观,所以简化了带有数学公式部分的描述,详细内容可以点击原文查看。
2019年2月16日

特征工程之数据预处理(下)

http://www.huaxiaozhuan.com/%E7%BB%9F%E8%AE%A1%E5%AD%A6%E4%B9%A0/chapters/8_feature_selection.html
2019年2月13日

特征工程之数据预处理(上)

利用机器学习方法,将缺失属性作为预测目标进行预测,具体为将样本根据是否缺少该属性分为训练集和测试集,然后采用如回归、决策树等机器学习算法训练模型,再利用训练得到的模型预测测试集中样本的该属性的数值。
2019年2月11日

机器学习数据集的获取和测试集的构建方法

在下载数据后,首先要做的是创建测试集,这是在分析数据前先排除测试集的数据,不会引入测试数据的规律,从而影响算法的选择,保证采用测试集进行测试的结果是客观可信的,而不会出现数据透视偏差的问题。
2019年1月29日

机器学习入门系列(2)--如何构建一个完整的机器学习项目(一)

接下来计划通过几篇文章来介绍下,一个完整的机器学习项目的实现步骤,最后会结合《hands-on-ml-with-sklearn-and-tf》的例子来介绍下相应代码的实现。
2019年1月26日

程序员的数学笔记3--迭代法

threshold:误差的阈值,用于控制解的精度。理论上二分法可以通过无限次迭代求到精确解,但实际应用还需要考虑时间和计算资源,所以一般我们只需要一个近似解,而不需要完全精确的数据;
2019年1月15日

[Github 项目推荐] 一个更好阅读和查找论文的网站

机器学习发展到现在,已经积累了非常多的文章,特别是深度学习火起来后,每年新增加的论文非常多,如果需要研究某个领域,不仅需要阅读这个领域经典的论文,也必须时刻关注最新的学术进展,比如最近两年特别火的
2019年1月13日

[资源]推荐一些Python书籍和教程,入门和进阶的都有!

Soup、XPath、pyquery、数据存储、Ajax数据爬取等内容,接着通过多个案例介绍了不同场景下如何实现数据爬取,后介绍了pyspider框架、Scrapy框架和分布式爬虫。
2019年1月10日

机器学习入门系列(1)--机器学习概览

此外,在采用机器学习算法训练的时候,可以对训练集进行降维,这样有助于提高训练速度,降低占用的硬盘和内存空间,有时候也能提高算法的性能,但必须选择合适的降维算法,否则性能实际上是很有可能会下降的。
2019年1月7日

程序员的数学笔记2--余数

sizex表示等待被转换的数值,size表示有限存储空间的数量,mod表示取余操作。通过余数,你就能将任何数值,转换为有限范围内的一个数值,然后据这个新的数值,来确定将数据存放在何处。
2019年1月4日

程序员的数学笔记1--进制转换

有内建函数可以直接实现这几个进制之间的转换,比如bin、oct、hex分别表示将十进制数转换为二进制、八进制和十六进制,而将其他进制转换为十进制,则可以用int(val,
2019年1月1日

[GAN学习系列3]采用深度学习和 TensorFlow 实现图片修复(上)

设计师和摄像师习惯使用一个非常强有力的工具--内容感知填充,来修复图片中不需要或者缺失的部分。图像修复是指用于修复图像中缺失或者毁坏的部分区域。实现图像的修复有很多种方法。在本文中,介绍的是在
2018年12月10日

[教程]一份简单易懂的 TensorFlow 教程

的循环神经网络分类代码https://github.com/guillaume-chevalier/LSTM-Human-Activity-Recognition
2018年12月5日

必读的AI和深度学习博客

也是。他主要发表的是对于机器学习和深度学习领域的理解神经网络方面的文章。他的目标是用简单的语言解释神经网络的复杂功能。如果你是刚入门神经网络,那么他的博客正好适合作为你的入门教程。
2018年11月21日

[资源分享] TensorFlow 官方中文版教程来了

其中,教程是介绍了一些基本的机器学习模型,包括分类、回归等,也包括一些深度学习方面的模型,包括常用的卷积神经网络、生成对抗网络、循环神经网络等等,并且主要使用高阶的
2018年11月18日

谷歌开源的 GAN 库--TFGAN

loss接口代码:https://www.tensorflow.org/code/tensorflow/contrib/gan/python/losses/python/losses_impl.py
2018年11月11日

[资源分享] Github上八千Star的深度学习500问教程

专注于自我学习成长,定期分享Python编程、机器学习、深度学习、计算机视觉等读书学习笔记以及实践项目文章,不定期分享一些工作生活心得感想,欢迎交流,一起成长。
2018年11月4日

[GAN学习系列2] GAN的起源

除了这种简单的添加随机噪声,还可以通过图像变形的方式,使得新图像和原始图像视觉上一样的情况下,让分类器得到有很高置信度的错误分类结果。这种过程也被称为对抗攻击(adversarial
2018年11月3日

[资源分享] 吴恩达最新《机器学习训练秘籍》中文版可以免费下载了!

专注于自我学习成长,定期分享Python编程、机器学习、深度学习、计算机视觉等读书学习笔记以及实践项目文章,不定期分享一些工作生活心得感想,欢迎交流,一起成长。
2018年10月27日

[GAN学习系列] 初始GAN

主要就是两个网络组成,生成器网络(Generator)和判别器网络(Discriminator),通过这两个网络的互相博弈,让生成器网络最终能够学习到输入数据的分布,这也就是
2018年10月24日

推荐几本数据结构算法书籍和课程

因为我还没有开通留言功能,所以欢迎关注我的微信公众号--一个算法汪的技术成长之路或者扫描下方的二维码,和我分享你的建议和看法,指正文章中可能存在的错误,大家一起交流,学习和进步!
2018年9月18日

[实战] 图片转素描图

cv2.IMREAD_GRAYSCALE)这里调用cv2.imread函数时,设置了cv2.IMREAD_GRAYSCALE的标志,表示加载灰度图。在imread函数中是设置了三种标志,分别是
2018年9月8日

机器学习入门系列(2)--机器学习概览(下)

低质量的数据指的是数据有错误、带有过多噪声或者是出现异常值等的数据,这种数据会影响系统整体的性能,因此,数据清洗对于构建一个机器学习系统或者一个机器学习项目来说都是必不可少的步骤。
2018年9月6日

机器学习入门系列(1)--机器学习概览(上)

此外,在采用机器学习算法训练的时候,可以对训练集进行降维,这样有助于提高训练速度,降低占用的硬盘和内存空间,有时候也能提高算法的性能,但必须选择合适的降维算法,否则性能实际上是很有可能会下降的。
2018年9月4日