TensorFlow(三)：在其它学科中的应用

本教程与机器学习几乎没有任何关系，但这对于将TensorFlow运用于机器学习以外更广泛的领域是很好、很有趣的。下面代码在Python2.7环境下测试通过，Python3.5环境下没有cStringIO库，如果想在Python3.5环境下运行，请如下操作 import io ios = io.StringIO() Mandelbrot集可视化导入库 # 导入仿真库 import tensorflow as tf import numpy as np # 导入可视化库 import PIL.Image from cStringIO import StringIO from IPython.display import clear_output, Image, disp... Read more 25 Aug 2017 - 8 minute read

TensorFlow(二)：应用

注意事项在Jupyter notebook中，定义新节点前，我们需要开始调用tf.reset_default_graph()以清空符号图。张量初始值 weights = tf.Variable(tf.random_normal([784, 200], stddev=0.35), name="weights") # Create another variable with the same value as 'weights'. w2 = tf.Variable(weights.initialized_value(), name="w2") # Create another variable with twice the value o... Read more 20 Aug 2017 - 56 minute read

TensorFlow(一)：初识

Google TensorFlow是表示机器学习算法的接口，并且是执行这些算法的实现平台。使用TensorFlow表示的计算可以在多种多样的系统中几乎无修改地执行。这些系统包括从手机、平板电脑等移动设备到数以百计的机器和数以千计的GPU等计算设备组成的大规模分布式系统。这样的系统非常灵活，可以被用来表示大量算法，包括深度神经网络模型的训练和推理。它也被运用到研究中，以及将机器学习系统部署到横跨数十个计算机科学和其它领域的生产中，包括语音识别，计算机视觉，机器人学，信息检索，自然语言处理，地理信息抽取和计算药物发现等。引言 Google Brain在2011年开始了一个探究将大规模深度神经网络用于研究和Google产品中的项目。DistBelief作为Google第一代可扩展分布式训... Read more 15 Aug 2017 - 4 minute read

矩阵补全: 简介

本文概述了矩阵补全的基本知识与应用。理论 Ronberg, Candes, Tao 1, 2, 3 矩阵低秩近似应用下面代码在Julia 0.6.0环境下测试通过测试矩阵 using PyPlot using Convex using SCS # passing in verbose=0 to hide output from SCS solver = SCSSolver(verbose = 0) set_default_solver(solver); # logistic function lgc(x) = 1 ./ (1 + exp(-x)); # Construct a random m-by-n binary matrix matrix m, ... Read more 30 Jul 2017 - 4 minute read

压缩感知

本文概述了压缩感知的基本知识与应用。理论 David Donoho1 Candes，Tao2, 3, 4 JA Tropp5 L1范数基追踪应用下面代码在Julia 0.6.0环境下测试通过信号压缩基追踪 using MathProgBase function BP_linprog(s,Φ) # Detailed explanation goes here # s = Φ * α (α is a sparse vector) # Given s & Φ, try to derive α p = size(Φ,2); q = size(Φ,1); #... Read more 20 Jul 2017 - 6 minute read