李宏毅机器学习课程笔记第46页

Udacity机器人软件工程师课程笔记（二十一) - 对点云进行集群可视化 - 聚类的分割 - K-means|K均值聚类, DBSCAN算法

聚类的分割1.K-均值聚类（1）K-均值聚类介绍k均值聚类算法（k-meansclusteringalgorithm）是一种迭代求解的聚类分析算法，其步骤是随机选取K个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。每分配一个样本，聚类的聚类中心会根据聚类中现有的对象被重新计算。这个过程将不断重

Stan Fu·2022-09-16 06:23

课程笔记：第13章算法相关面试问题

字符串反转Q：给定字符串"Hello,world"，实现将其反转输出结果：dlrow,olleH。解决思路：使用两个指针，一个指向字符串的首部begin，一个指向字符串尾部end，遍历过程逐渐交换两个指针指向的字符，结束条件begin大于等于end，以下分别为OC实现和C实现过程oc代码实现-(void)viewDidLoad{[superviewDidLoad];//Doanyadditiona

飘摇的水草·2022-09-10 18:13

深度学习Deep Learning学习笔记——卷积神经网络CNN

笔记参考李宏毅机器学习课程一、CNN基本结构二、CNN用于图像处理只需要较少的参数就能进行影像处理。

待落灯花·2022-09-10 07:20

【哈工大李治军】操作系统课程笔记8：内存管理（分段、分区、分页和换入换出）

1、内存使用与分段（1）重定位程序从物理地址0地址处开始执行，为了让call40生效，需要让_main的第一条指令指向物理地址40。但如果所有程序都是放到0地址处开始程序，就会造成冲突。因此，我们为了避免冲突，每次应该从内存中找一段空闲单元，然后将这段程序放进来。假如从1000地址往后存放这段程序，如果还保持源程序里call40就不能正确跳到我们需要的位置，因此就需要修改40为1040，这就引出了

辰阳星宇·2022-09-07 08:01

【哈工大李治军】操作系统课程笔记4：CPU和多进程 + 【实验 4】进程运行轨迹的跟踪与统计实验

操作系统在管理CPU的时候引出了多进程图像，通过多进程图像操作系统管理明白了CPU，CPU管理明白了别的硬件自然而然的就跟着带动起来了，所以多进程图像是操作系统的核心图像。因为多进程的引入是为了管理好CPU，所以我们就先介绍CPU的管理方法。1、CPU的工作原理如图中所示，当PC=50时，CPU就会发出取址指令，把50放在地址总线上，当内存接收到信号后，就会将把位于地址50里的指令通过总线再传送给

辰阳星宇·2022-09-07 08:00

【哈工大李治军】操作系统课程笔记7：进程同步、信号量、临界区、死锁 + 【实验】信号量的实现和应用

1、进程同步与信号量（1）信号通过使用信号量，来让多个进程合理有序的推进工作。我们的目标是让多个进程合理有序的共同完成一个任务，而不是各干各的。因此，对他们进行约束，就需要确保他们合作的有序性，即谁先做谁后做。信号就是用于双方互相发出对方可执行或对方可等待信息，来实现多个进程合作推进。等待是进程共同合作的核心。生产者-消费者是多进程合作的经典示例。BUFFER_SIZE是一个共享缓冲空间buffe

辰阳星宇·2022-09-07 08:30

【哈工大李治军】操作系统课程笔记6：CPU调度策略 + 【实验 4】进程运行轨迹的跟踪与统计实验

1、操作系统的那颗“树”上图为Linux核心源码所形成的一个结构。（1）最初的种子我们的目标是让机器可以执行我们的指令，从而完成计算，这里涉及到两个关键的步骤：取值、执行（2）I/O处理带来的等待在使用CPU执行指令的过程中，我们发现只写这段程序时，会让CPU先执行10ms，然后I/O处理却等待了10s，导致CPU有大部分时间处于空闲状态没有被利用起来。因此，我们就设想能否进行改善，在执行I/O设

辰阳星宇·2022-09-07 08:59

【哈工大李治军】操作系统课程笔记3：操作系统系的历史

1、历史主线1：多进程通过了解操作系统的历史，来抓住操作系统研究的重点。批处理操作系统（Batchsystem）：一个作业完成后，自动读入下一个作业进行执行。只专注于计算，不会做其他任务。IBM7094执行流程：当第一个任务出错或者执行完成将任务输出到磁带上，然后就会修改PC指针，指向下一个任务进行执行。随着计算机的造价越来越便宜，就慢慢的出现在了各行各业当中。我们就需要让一台计算机干很多事，但此

辰阳星宇·2022-09-07 08:59

【哈工大李治军】操作系统课程笔记2：系统调用 +【实验 2】系统调用实现

1、操作系统接口完成setup后，操作系统的代码都被读入到从0地址开始的地方，还创建了一些初始的结构，如mem_map（管理内存的数据结构）、GDT、IDT等。而我们的应用程序都放在了内存的上端。最终，内存的下方放置的为系统代码和数据、上方放置的为应用程序，这样子一个结构情况。（1）什么是操作系统接口？系统调用（接口表现为函数调用，又由系统提供）（2）操作系统接口连接谁？连接操作系统和应用软件（3

辰阳星宇·2022-09-07 08:29

【哈工大李治军】操作系统课程笔记1：操作系统开机代码 + 【实验 2】操作系统的引导

0.开机代码实现效果执行模块开机代码主要实现了两个事情：（1）将操作系统从磁盘中读入内存当中；（2）使用操作系统进行初始化操作1、什么是操作系统？2、打开操作系统计算机是怎么工作的？最初，计算机起源于图灵机，是一种计算模型。图灵机最初的灵感来源是人在纸上计算模拟的过程，将这个过程用自动化的设备模拟出来就是图灵机。首先在纸带上写上“3”、“2”、“+”，然后用控制区去模拟答案，用读写头去模拟眼睛和笔

辰阳星宇·2022-09-07 08:29

计算机网络——物理层（课程笔记）

说明博客作为笔记备份，不定时更新参考内容为《计算机网络（第7版）》谢希仁电子工业出版社；王道考研《计算机网络考研复习指导2023》文中的例题摘自王道考研《计算机网络考研复习指导2023》，大多是我个人认为较为典型的题目以及错题的部分整理文章目录基本概念1.数据、信号、码元2.信源、信道、信宿2.1基本概念2.2通信方式3.速率、波特、带宽编码与调制1.数字数据编码为数字信号归零编码（RZ）非归零编

10000hours·2022-09-06 17:57

课程笔记：第五章 Runtime相关面试问题

数据结构我们主要学习四种数据结构：objc_objectobjc_classisa指针method_ttypedefstructobjc_class*Class;typedefstructobjc_object*id;objc_object我们平时所使用的对象都是id类型的，id类型的对象对应到runtime中实际上代表的就是objc_object的结构体，这个结构体主要包含以下几个部分其中isa

飘摇的水草·2022-09-06 15:51

计算机网络课程笔记

感谢原作者networkaddress：https://blog.csdn.net/you_big_father/article/details/105859263学习MOOC华南理工计算机网络课程笔记第

小卡得尔·2022-09-06 07:42

MySQL燕十八老师课程笔记：第十九课：事务

什么是事务？将一个业务下的SQL语句作为一个单元统一操作==>“同生共死”【myisam不支持事务】例如：A转账500给B，打完之后A减少500，B增加500，如果这两个动作有一个没有完成，则整个转账过程失败（原子性）#如何启用事务?starttransaction;#如何结束事务？commit;#如何撤销事务？(回滚事务)——即对于失败事务，对之前的成功操作做的处理rollback;事务的中间状

芋头圆生煎·2022-09-05 11:45

6000 字思维导图告诉你什么是真正落地的业务数据分析

张涛老师《互联网业务数据分析实战》课程笔记，边听边疯狂记笔记的课程，上次这么疯狂的整理还是两年前的《运营之光》（手机端可下载原图查看，电脑端新标签页打开图片查看高清大图）01-业务数据分析概论与数据采集基础

扫地阿伟·2022-09-05 10:20

吴恩达老师机器学习课程笔记:(一)机器学习入门知识

机器学习入门知识一.机器学习定义二.机器学习分类监督学习(supervisedlearning)无监督学习(unsupervisedlearning)其它类型的机器学习三.模型相关描述及常用变量符号规定训练集(Trainingset)、测试集(Testset)和验证集(Validationset)假设函数(Hypothesis)代价函数(Costfunction)常用变量符号规定总结一.机器学习定

Credic1017·2022-09-05 07:04

机器学习课程笔记【十四】- 增强学习和自适应控制控制论

本节为吴恩达教授机器学习课程笔记最后一部分，增强学习和自适应控制，主要包括：马尔可夫决策过程的形式化描述，值迭代和策略迭代两种求解方法以及马尔可夫模型极大似然参数学习方法。

不会算命的赵半仙·2022-08-31 07:49

飘摇的水草·2022-08-30 14:39

2020李宏毅机器学习笔记-Unsupervised Learning: Deep Auto-encoder

目录摘要1.Introduction2.ComparewithPCA3.DeepAuto-encoder3.1MultiLayer3.2Visualize4.TextRetrieval4.1Bag-of-word4.2Auto-encoder5.SimilarImageSearch6.CNNasEncoder6.1Unpooling6.2Deconvolution总结和展望摘要文节主要介绍了自编码

ZN_daydayup·2022-08-30 07:35

2020李宏毅机器学习笔记——21. Unsupervised Learning-Deep Auto-encoder(无监督学习之自编码器)

摘要：本章主要是关于自编码器的原理及其应用，自编码器是一种无监督学习方法，可用于数据降维及特征抽取。其中自编码器由编码器（Encoder）和解码器（Decoder）两部分组成。编码器通常对输入对象进行压缩表示，解码器对经压缩表示后的code进行解码重构。Auto-encoder还可以对模型进行预训练，得到好的模型初始化的参数。以及Auto-encoder可以对数据进行降维处理，且降维后的数据可以很

HSR CatcousCherishes·2022-08-30 07:00

李宏毅机器学习笔记p5-p8：误差和梯度下降

文章目录前言误差Error偏差Bias偏差过大方差Variance方差过大选择平衡偏差和方差的模型N-折交叉验证梯度下降调整学习率1.固定学习率2.自适应学习率——Adagrad随机梯度下降特征缩放梯度下降的理论基础总结前言这篇开始涉及到了我未涉及的领域，也算是机器学习的慢慢深入，虽然知识点是新的，但通过视频和笔记，还是基本可以理解透彻。提示：以下是本篇文章正文内容，下面案例可供参考误差Error

鸿鹄一夏·2022-08-25 07:32

李宏毅机器学习笔记：新版p5-p9网络设计的技巧

文章目录前言局部最小值和鞍点鉴别方法批次batch和动量momentumbatchsmallbatch和largebatchmomentum自动调整学习率warmup分类softmax()分类下所用的loss批次标准化featureNormalizationtesting总结前言在学习完之后，我发现整个前面的学习过程相当于给我们搭建了一整个框架。而这五章的学习，相当于查漏补缺提升，让我们更加熟悉里

鸿鹄一夏·2022-08-25 07:32

李宏毅机器学习（2021版）_P5-6：小梯度处理

北海虽赊，扶摇可接·2022-08-25 07:00

李宏毅机器学习-task2

学习视频内容：观看观看李宏毅课程内容：P4、P5、P6、P7视频连接：https://www.bilibili.com/video/av35932863?from=search&seid=8120828691691969718学习打卡内容：理解偏差和方差学习误差为什么是偏差和方差而产生的，并且推导数学公式过拟合，欠拟合，分别对应bias和variance什么情况学习鞍点，复习上次任务学习的全局最优

Angela一缕阳光·2022-08-25 07:59

李宏毅机器学习--Tips for training

目录criricalpointmeansgradient=0判断**criticalpoint**是**localminima**还是**saddlepoint**？卡在saddlepoint时参数update的方向？saddlepointvs.localminimasmallbatchsizeandmomentumhelpescapecriticalpointBatchMomentumAdapt

迷迷糊糊本人·2022-08-25 07:26

李宏毅机器学习-P5误差来自哪里

偏差和方差估计欠拟合、过拟合与偏差、方差的关系如何解决过拟合问题模型选择前提：第iii个空间下对应一组数据{(x1,y),(x2,y),...,(xn,y)}\{(x_1,y),(x_2,y),...,(x_n,y)\}{(x1,y),(x2,y),...,(xn,y)},我们设计一组函数集{fi∣fi=wix+bi,i=1,...,n}\{f_i|f_i=w_ix+b_i,i=1,...,n\}

韩向上·2022-08-25 07:19

李宏毅机器学习P13+P5+6+7+8+9(21版)学习笔记

P13深度学习1.神经网络由不同的逻辑回归函数（不同权重和偏差）连接而成不同结构输入层（InputLayer）：1层隐藏层（HiddenLayer）：N层输出层（OutputLayer）：1层FullyConnectFeedforwardnetworkFullyConnect：layer1与layer2之间两两都有连接。传递的方向是单向，由后往前传，所以叫Feedforward。深度学习能表达出更

笑我有病·2022-08-25 07:49

李宏毅机器学习P5-8学习笔记

P5误差来源一、误差来源于两方面：1：偏差—准:根据样本拟合的模型输出预测结果的期望与样本真实结果的差距，即在样本上拟合的好不好。要求lowbias，则需要复杂化模型或增加模型的参数，这容易过拟合(overfitting)，过拟合则为highvariance，点很分散。2：方差—确:样本上训练出来的模型在测试集上的表现，即点的集中性。lowvarience需要简化模型，减少模型的参数，但容易欠拟合

笑我有病·2022-08-25 07:49

李宏毅机器学习 p5(pytorch 1)学习笔记

框架对比训练过程tensor:张量这个词物理上数学上有一堆定义。可以看知乎上大佬们的解释，我没看懂。先按照老师说的在深度学习里，是一个多维数组来理解，看图更直观些。datatype:存放的数据类型，浮点、长整型tensor的属性：rank：numberofdimensionsshape:numberofrowsandcolumnstype:datatypeoftensor'selementsten

bohu83·2022-08-25 07:47

第三次带教课程笔记2022-08-21

一、收获1、当来电者表达了对未来婚姻关系的迷茫和犹豫的时候，我们可以尝试邀请她谈谈她犹豫的是什么，这也是倾听工作的深入案例中，当事人在由于要不要离婚，这时候，倾听师就可以邀请当事人谈一谈她具体的犹豫点。“我听到你对离婚感觉到很迷茫和犹豫，你能具体说说你在犹豫什么吗？”类似应用的场景还可以是分手还是不分手、离职还是不离职、工作还是考研。2、澄清感觉比如：①澄清“受不了“。具体受不了什么？受不了老公了

雅风66·2022-08-21 18:10

假期学习回顾与总结

网易云课堂视频（https://mooc.study.163.com/smartSpec/detail/1001319001.htm）+配套黄海广主编针对吴恩达深度学习课程DeepLearning.ai《深度学习课程笔记

Clark-dj·2022-08-17 07:59

吴恩达深度学习课程笔记——逻辑回归算法

逻辑回归二分类问题(BinaryClassification)假设函数(HypothesisFunction)损失函数和代价函数(LossFunctionandCostFunction)神经网络的计算中通常会有前向传播和反向传播的步骤，这门课从逻辑回归算法（logisticregression）来讲解这些概念。二分类问题(BinaryClassification)逻辑回归是一个用于二分类(bina

阿姝姝姝姝姝·2022-08-13 09:42

吴恩达deeplearning.ai系列课程笔记+编程作业(10)第四课卷积神经网络-第一周卷积神经网络（Foundations of Convolutional Neural Networks）

第四门课卷积神经网络（ConvolutionalNeuralNetworks）第一周卷积神经网络（FoundationsofConvolutionalNeuralNetworks）文章目录第四门课卷积神经网络（ConvolutionalNeuralNetworks）第一周卷积神经网络（FoundationsofConvolutionalNeuralNetworks）1.1计算机视觉（Compute

geekxiaoz·2022-08-13 07:11

<转载>CS231n课程学习笔记

CS231n课程学习笔记CS231n网易云课堂链接CS231n官方笔记授权翻译总集篇发布-智能单元-知乎专栏https://zhuanlan.zhihu.com/p/21930884CS231n课程笔记翻译

tang-0203·2022-08-13 07:02

CS231N图像分类笔记总结

图像分类笔记的总结本文是自己对CS231N课程笔记的阅读后的一些总结。

lizhixiaoqingnian·2022-08-13 07:49

CS231n课程笔记：图像分类笔记（上）

本专题转载知乎CS231n的全称是CS231n:ConvolutionalNeuralNetworksforVisualRecognition，即面向视觉识别的卷积神经网络。该课程是斯坦福大学计算机视觉实验室推出的课程。本课程将深入讲解深度学习框架的细节问题，聚焦面向视觉识别任务（尤其是图像分类任务）的端到端学习模型。在10周的课程中，学生们将会学习如何实现、训练和调试他们自己的神经网络，并建立起

量子孤岛·2022-08-13 07:47

CS231n课程笔记：图像分类笔记（下）

用于超参数调优的验证集k-NN分类器需要设定k值，那么选择哪个k值最合适的呢？我们可以选择不同的距离函数，比如L1范数和L2范数等，那么选哪个好？还有不少选择我们甚至连考虑都没有考虑到（比如：点积）。所有这些选择，被称为超参数（hyperparameter）。在基于数据进行学习的机器学习算法设计中，超参数是很常见的。一般说来，这些超参数具体怎么设置或取值并不是显而易见的。你可能会建议尝试不同的值，

量子孤岛·2022-08-13 07:47

【2017cs231n】课程笔记02：图像分类

【2017cs231n】课程笔记-第2讲：图像分类搜索微信公众号:‘AI-ming3526’或者’计算机视觉这件小事’获取更多算法、机器学习干货csdn：https://blog.csdn.net/baidu

xiaoming3526·2022-08-13 07:44

CS231N课程笔记学习一——图像分类

不得不说，cs213n课程是真的难，开始小哥哥讲损失函数，回归模型，我还勉强跟上，后来小姐姐讲课，我真的——人傻了/(ㄒoㄒ)/~~，但是斯坦福大学的课程不能不上啊（尽管对牛弹琴），所以在网上寻找资源，开始“自学”。。。1.图像分类图像分类问题，就是已有固定的分类标签集合，然后对于输入的图像，从分类标签集合中找出一个分类标签，最后把分类标签分配给该输入图像。计算机视觉领域中很多看似不同的问题（比如

兴安仓鼠·2022-08-13 07:42

CS231n课程笔记翻译：图像分类笔记（上）

CS231n课程笔记翻译：图像分类笔记（上）-知乎专栏原文如下这是一篇介绍性教程，面向非计算机视觉领域的同学。教程将向同学们介绍图像分类问题和数据驱动方法。

dby_freedom·2022-08-13 07:10

cs231n图像分类笔记（上）学习记录

学习内容是斯坦福大学的《面向计算机视觉的卷积神经网络》课程，课程代码cs231n，原文链接是StanfordUniversityCS231n:DeepLearningforComputerVision，同时知乎上有课程笔记的中文翻译贺完结

法拉不会飞·2022-08-13 07:38

李宏毅机器学习复习——第一章：机器学习介绍

机器学习的流程机器学习就是寻找一个函数，在函数中输入数据，最终会得到预期的函数值。这么一个简单的过程。数据的范围很广泛，可以理解为可数据化的信息。机器学习的分类：按照学习方式基本分为5大类：监督学习，半监督学习，无监督学习，迁移学习和强化学习。将监督学习，再细分为回归问题和分类问题。根据解决对应问题的方法，细分到线性模型，深度学习，支持向量机，K近邻，决策树。思维导图如下所示

1静1一·2022-08-12 15:08

【计算机视觉】计算机视觉与深度学习-04-图像去噪&卷积&边缘提取-北邮鲁鹏老师课程笔记

计算机视觉与深度学习-04-图像去噪&卷积-北邮鲁鹏老师课程笔记图像噪声噪声分类及产生原因脉冲噪声&椒盐噪声中值滤波器中值滤波vs均值滤波高斯噪声(Gaussiannoise)瑞利噪声伽马噪声指数噪声均值噪声图像去噪算法空间滤波变换域滤波偏微分滤波变分法形态学噪声滤除器卷积

暖焱·2022-08-11 14:07

斯坦福大学深度学习与自然语言处理第二讲：词向量

斯坦福大学在三月份开设了一门“深度学习与自然语言处理”的课程：CS224d:DeepLearningforNaturalLanguageProcessing，授课老师是青年才俊RichardSocher，以下为相关的课程笔记

Janvn·2022-08-09 07:22

黑马2022最新redis课程笔记知识点(面试用)持续更新

redis入门redis的常见五种数据类型String类型String类型，类似于java中的String类型，常见使用get，set方法。==String类型还可以存储json字符串格式==。Hash类型Hash类型，也叫散列，它的value是一个无序字典，类似于java中HashMa

dengziyi·2022-08-06 23:00

深度学习应用开发-TensorFlow实践笔记（一）——Anaconda和TensorFlow开发环境搭建

该文为学习中国大学MOOC浙江大学吴明晖老师主讲的《深度学习应用开发-TensorFlow实践》课程笔记第二讲。

1212没有3·2022-08-06 07:03

5-3 Coursera吴恩达《序列模型》第三周课程笔记-序列模型和注意力机制

上一周的课程5-2Coursera吴恩达《序列模型》第二周课程笔记-自然语言处理和词嵌入介绍了自然语言处理相关内容，例如词汇表征、词嵌入、嵌入矩阵和负采样等概念，以及Word2Vec和GloVe算法。

双木的木·2022-08-04 18:41

斯坦福CS20SI：基于Tensorflow的深度学习研究课程笔记

转自：平凡_Lecturenote1:IntroductiontoTensorFlow1TF学习(tf.contrib.learn)Tensorflow有简化的界面，TF学习(tf.contrib.learn)提供可用的模型，用户可以简单的调用。这是为深度学习刻意创建了一个模仿sciki-learn的模型可以实现从单线机器的sciki-learn世界学习平滑过渡到更开放的可以构建不同形状的ML模型

键盘里的青春·2022-08-03 07:51

Linux教程shell篇——黑马课程笔记

转自黑马程序员Linux教程Shell篇第一章1.grep工具grep是行过滤工具；用于根据关键字进行行过滤语法和选项语法：#grep[选项]'关键字'文件名常见选项：OPTIONS:-i:不区分大小写-v:查找不包含指定内容的行,反向选择-w:按单词搜索-o:打印匹配关键字-c:统计匹配到的行数-n:显示行号-r:逐层遍历目录查找-A:显示匹配行及后面多少行-B:显示匹配行及前面多少行-C:显示

若是明月·2022-08-02 07:28

数据结构课程笔记总结1 - 排序算法

排序算法1.时间复杂度为2^N的排序算法(1)选择排序从列表里，每次都选择一个最小或者最大的，然后去掉该值后，在剩下的数字里，继续选择最大或者最小的，依次下去，最后整个数组排好序。一次保证有一个数字到位publicstaticvoidselectionSort(int[]arr){if(arr!=null||arr.length>=2){for(inti=0;i=2){for(inti=arr.l

花开花落夏·2022-08-01 09:42

推荐频道

李宏毅机器学习课程笔记