Deep Learning 深度学习 清洗数据 学习简单的数据处理经验， 熟悉以后常用的数据集 The objective of this assignment is to learn about simple data curation practices, and familiarize you with some of the data we’ll be reusing later. 本文使用notMNIST数据集用于实践.  这个数据集与经典的MNIST数据集相似，但是更接近生活中的数据，更加难以处理，并且没有MNIST‘干净’。 This notebook uses the notM...

1. logistic classifier    model: W*X + b = Y where W is the Weights Vector, X is input vector, b is bias and Y is output. Y, the output vector is a numeric vector.  As show in picture above, y should be transformed into another numeric vector where value presents the probability of corresponding  cl...

在之前的实战(1) 中，我们将数据清洗整理后，得到了'notMNIST.pickle'数据。 本文将阐述利用tensorflow创建一个简单的神经网络以及随机梯度下降算法。  # These are all the modules we'll be using later. Make sure you can import them # before proceeding further. from __future__ import print_function import numpy as np import tensorflow as tf from six.moves import ...

1. linear model complexity   Logistic Model is defined as: X*W + b = y parameter W and b should be determined by optimization method.  X is 1 by 784. 784 = 28*28 W is 784 by 10 b is 1 by 10 so number of parameters is 784*10 + 10 2. Rectified Linear Unit (ReLU)  and neutron networks another activatio...

 explore regularization techniques.  # These are all the modules we'll be using later. Make sure you can import them # before proceeding further. from __future__ import print_function import numpy as np import tensorflow as tf from six.moves import cPickle as pickle pickle_file = 'notMNIST.pickle' w...

假设我们想要辨识一张图片里面是不是有猫咪的存在。 这只猫咪可以在图片的任何位置。 什么办法才能辨别这个图片里面有没有猫呢？ 一个很简单的想法就是：将图片分成一些子图片的集合，逐个辨别子图片里面有没有猫咪。 的确，卷积神经网络就是这样做的。 但是，分割好后如何辨别子图片有没有猫咪呢？ 这就要看卷积的作用了，图片是二维数组（这里指的是灰度图像），即二维离散变量。 卷积能将其中的特征提取出来，这样子图片的特征又组成新图片。 只不过这个新图片的维度减小了。 经过几次这样的过程，剩下来的便是主要特征了。 这时我们可以利用神经网络进行训练。  图中输入为三维矩阵，输出同为三位矩阵。 正如两个长方体相互对应...

我们首先导入已经清洗好的数据。 这个清洗过程在之前的博文实战(1)。 # These are all the modules we'll be using later. Make sure you can import them # before proceeding further. from __future__ import print_function import numpy as np import tensorflow as tf from six.moves import cPickle as pickle from six.moves import range pickle_...

recognition mnist handwriting digits download mnist and load data MNIST can be downloaded in this website http://yann.lecun.com/exdb/mnist/. After download data set, unzip it like this: tar -xzvf ‘****.gz’. And there will two datasets and four files used by us in forward steps. t10k-images.idx3-ubyt...

using reinforcement to solve frozen-lake we will use GYM library to solve frozen-lake problem. GYM provides an easy way to experiment with agents in a grid game. The frozen-lake environment consists of a 4 by 4 grid of blocks. There are a start block, a goal block, a safe frozen block and a dangerou...

Qt环境下读取csv数据进行矩阵运算 1. 读取csv数据 csv.h头文件 #ifndef CSV_H #define CSV_H #include <QString> #include <QTextStream> #include <QStringList> #include <QList> #include <QFile> class CSVParser{ private: QList<QStringList> csvLines; QString seperator; public: CSVParser(); CSV...

+  Word Count Lab: Building a word count application This lab will build on the techniques covered in the Spark tutorial to develop a simple word count application. The volume of unstructured text in existence is growing dramatically, and Spark is an excellent tool for analyzing this type of data. I...

version 1.0.1  +  Web Server Log Analysis with Apache Spark This lab will demonstrate how easy it is to perform web server log analysis with Apache Spark. Server log analysis is an ideal use case for Spark. It’s a very large, common data source and contains a rich set of information. Spark allows yo...

+  Text Analysis and Entity Resolution Entity resolution is a common, yet difficult problem in data cleaning and integration. This lab will demonstrate how we can use Apache Spark to apply powerful and scalable text analysis techniques and perform entity resolution across two datasets of commercial ...

用stm32f4XX发送采集到的数据时，如果数据量特别大，直接发送一个大数组可能比较占内存。 这时候，可以逐个发送数据。 最好将大数组定义为全局变量。 定义在函数内时，可能导致栈不够深而报错。 其模式可以为：   uint8_t send_data[6]; uint16_t counter = 0; uint32_t bufferd[23238]; uint8_t data_ready = 0; uint32_t index = 0; int main(int argc, char const *argv[]) { while(1){ if (data_ready){ if(counter &...