我的博客 博文列表

1052 2

内网穿透技术汇总

全球IPv4有42.9亿地址,因此随着互联网的发展,IPv4地址已不足以满足增长需要。对于IP地址空间枯竭的问题两种延缓办法:使用子网掩码,将网络分成更小块,提高利用率使用NAT-> NAPTNAT简介NAT技术NAT(Network Address Translation,网络地址转换)是1994年提出的。当在专用网内部的一些主机本来已经分配到了内网IP地址,但又想和因特网上的主机通...
- 阅读全文 -
9208 1
Win10下安装Tensorflow1.8 GPU版(CUDA9.2)(更新至TF1.12)

Win10下安装Tensorflow1.8 GPU版(CUDA9.2)(更新至TF1.12)

装Ubuntu死活进不了系统,貌似是显卡问题,所以退而求其次,在Windows下装Tensorflow GPU版本。出乎意料的是这一次安装相比Tensorflow-0.8的时候容易多了,网上的教程和答疑多了很多,遇到的问题基本都能找到解决方法,同时社区对新版本的支持力度也很大。所需基础软件(对,就说的NVIDIA家)都可以放心使用最新版了!操作系统:Windows 10 64位 专业版 18...
- 阅读全文 -
3524 3

阿里云Centos7下搭建Jupyter Notebook服务(亦可自建外网访问)

网上安装教程鱼龙混杂,多数都有莫名其妙的坑无法走通,因此记录一下配置过程。Jupyter Notebook仅可同时一人使用,多人使用会同时修改一个文件;多人使用请关注JupyterHub自建外网访问需要路由支持公网IP+映射端口,否则请使用Holer直接转发已经过测试的系统有:CentOS7 64位Redhat Enterprise Linux6 64位如果这篇文章能帮您成功完成安装,请您留...
- 阅读全文 -
1019 2

[TF.7]多类别神经网络

本文参考《Google机器学习速成课程》多类别神经网络点击下载源码设置!wget https://storage.googleapis.com/mledu-datasets/mnist_train_small.csv -O /tmp/mnist_train_small.csvimport glob import io import math import os from IPython i...
- 阅读全文 -
1266 0

[TF.6]正则化Regularization

模型选择的典型方法是正则化(Regularization),正则化是结构风险最小化策略的视线,是在经验风险上加一个正则化项(regularizer)或罚项(penalty term),正则化项一般是模型复杂度的单调递增函数,模型越复杂,正则化值就越大。 —————《统计学习方法》李航L0正则化L0范数是指向量中非0的元素的个数,很难优化求...
- 阅读全文 -
842 0

[TF.5]分类与评估

本文参考《Google机器学习速成课程》分类评估方式准确率|识别率&- Accuracy=\dfrac{TN+TP}{All} -&错误率|误分类率&- Error Rate=\dfrac{FP+FN}{All} -&当使用分类不平衡的数据集时,准确率并不能反映全面情况精确率|精度&- Precision=\dfrac{TP}{TP+FP} -&真正例率|敏感度|召回率&- Recall=\...
- 阅读全文 -
1544 1

[TF.4]特征工程

本文参考《Google机器学习速成课程》使用TF的基本步骤 点击下载源码一、将原始数据映射到特征映射字符串值为要表示的所有特征的字符串值定义一个词汇表使用该词汇表创建一个独热编码映射分类(枚举)值例:Lowland Countries 的特征只包含3个可能值{'Netherlands', 'Belgium', 'Luxembourg'} Id feature_value...
- 阅读全文 -
1835 0

[TF.3]多特征训练与交叉验证

本文参考《Google机器学习速成课程》验证点击下载源码交叉验证分为:简单交叉验证S折较差验证留一交叉验证 import math from IPython import display from matplotlib import cm from matplotlib import gridspec from matplotlib import pyplot as plt import n...
- 阅读全文 -
901 1

[TF.2]合成特征和离群值

本文参考《Google机器学习速成课程》使用TF的基本步骤尝试合成特征california_housing_dataframe["rooms_per_person"] =(california_housing_dataframe["total_rooms"] / california_housing_dataframe["population...
- 阅读全文 -